《履带车辆驾驶训练数据挖掘》基于车辆自主驾驶技术体系和海量实车训练数据，用常见的驾驶行为模型和数据挖掘技术来识别、分析和解释履带车辆驾驶动作，研究了动作识别、训练评估和驾驶技能机器学习三类关键技术，为实现履带车辆驾驶训练过程的数字化描述、自动化评估和智能化指导提供了分析方法和基准数值。

《履带车辆驾驶训练数据挖掘》可作为履带车辆驾驶训练教学人员和信息系统开发人员的重要参考资料，也可作为车辆驾驶教学的辅助教材。

第1章 绪论

1．1 驾驶数据挖掘需求分析

1．2 驾驶数据挖掘关键技术

1．3 本书内容安排

第2章 背景知识和动作词典

2．1 驾驶训练操作件

2．2 驾驶训练科目

2．3 驾驶训练数据

2．4 驾驶动作层次化分类

2．5 单一动作词典

2．6 协同动作词典

2．7 组合动作和练习科目词典

2．8 小结

第3章 单一动作模式识别

3．1 模式识别理论概述

3．2 单一动作模式识别

3．3 时间序列数据分割

3．4 单一动作编码数据分割

3．5 小结

第4章 协同动作模式匹配与模式发现

4．1 模式匹配

4．2 文本分词技术

4．3 换挡协同动作模式发现

4．4 换挡协同动作编码特征分析

4．5 协同动作模式匹配

4．6 小结

第5章 协同动作数据分割

5．1 协同动作数据分割的必要性

5．2 常见的聚类算法

5．3 基于层次聚类法的组合动作数据分割

5．4 基于划分聚类法的协同动作数据切割

5．5 小结

第6章 驾驶动作相似性评估

6．1 时间序列距离度量

6．2 协同动作的编辑距离

6．3 油门动作的动态时间弯曲距离

6．4 算法代码

6．5 小结

第7章 行驶轨迹数据融合

7．1 车速与航迹推算

7．2 GPS运动轨迹

7．3 数据融合和卡尔曼滤波

7．4 行驶轨迹无迹卡尔曼滤波方法

7．5 小结

……

第8章 换挡技能机器学习

第9章 路径规划与转向动作预测

第10章 数据挖掘成果应用

参考文献

履带车辆驾驶训练是一种典型的高强度实战化技能训练，强调实践出真知，汗水出经验，驾驶员日复一日地操纵着沉重的车辆来获得驾驶技能，训练模式多年来一成不变。然而训练装备却在不断更新，驾驶模拟器、依托退役装备改装的教练车辆、少量新型特种车辆都可用来从事驾驶训练。装备信息化程度在不断提高，各种驾驶训练数据的获取变得更为容易，海量数据存储在训练装备及各个层级服务器中。利用这些训练数据，挖掘其中的训练价值，指导改进训练模式，是履带车辆驾驶训练从机械化走向信息化和智能化的关键突破点。本书中的履带车辆，主要指坦克。

人工智能和车辆自主驾驶技术的发展从科学化、数字化、模型化的角度重新定义了车辆驾驶行为，SAEJ3016自动驾驶分级标准中认为：从无任何自动化程度的人类驾驶行为到完全自动化的车辆自主驾驶行为，都可以用包括感知、决策和控制等驾驶功能模块，以及各类自主驾驶模型的统一自主驾驶技术体系来描述。车辆自主驾驶技术的成熟过程，是一个逐步向人类优秀驾驶员学习，把驾驶技术体系中各模块功能由人类操作逐步让渡给车辆传感器、智能化决策软件和自动化执行系统的过程；同样的视角下观察学员驾驶训练，也可以看作是一个学员不断向优秀驾驶员（教练员）学习，逐步从教练员手中争夺各层次驾驶功能控制权的过程。在这一过程中，可以采用各种自主驾驶体系模型来描述、解释、分析和评判学员的驾驶训练。自主驾驶技术体系的引入为各类训练装备中存储的海量数据找到了恰当的数据分析平台，为实现坦克驾驶训练过程的数字化描述、自动化评估和智能化指导提供了新的方法。

本书致力于在车辆自主驾驶技术体系中，用常见的驾驶行为模型和各种数据挖掘技术来分析和解释各种履带车辆驾驶动作，重点讨论了驾驶动作识别、训练效果评估和驾驶技能机器学习等三个方面的技术问题，力图能够从一段给定的实车训练数据中自动解析出驾驶员做了哪些动作、效果怎样、所包含的技能点在哪里等学员和教练员所关心的核心问题。