19、汽车自动化驾驶研究与相关成果综述

汽车自动化驾驶研究与相关成果综述

1. 研究项目参与情况

在汽车研究领域,有众多的研究项目推动着行业的发展。相关人员参与了多个重要项目,并取得了一系列成果。

1.1 欧洲委员会项目 RESPONSE 2

  • 该项目围绕先进驾驶辅助系统(ADAS)展开,涉及从市场引入场景到开发和评估规范的研究。
  • 相关成果包括:
    • Becker 等人在 2004 年发布了关于 ADAS 从市场引入场景到开发和评估规范的最终公共报告。
    • 同年,Becker 等人还撰写了迈向 ADAS 开发和评估规范的报告,作为项目可交付成果 D3。
    • 2003 年,Becker 等人对 RESPONSE 2 项目进行了介绍。
    • Donner 等人在 2004 年提出了 ADAS 风险 - 收益分析的方法,包括微观视角和宏观社会经济评估,作为项目可交付成果 D2。

1.2 欧洲委员会项目 RESPONSE 3

  • 此项目聚焦于 ADAS 的设计和评估规范,以及预防性和主动安全应用,涵盖道路和航空运输的电子安全。
  • 相关成果有:
    • Knapp 等人在 2009 年制定了 ADAS 设计和评估的规范。
    • Donner 等人在 2007 年探讨了 RESPONSE 3 项目中 ADAS 的开发、验证和市场引入的规范。

1.3 德国研究项目 simT

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值