車(chē)輛聯(lián)網(wǎng)感知與控制

序
前言
第1章 車(chē)輛狀態(tài)感知
1．1 常用車(chē)輛狀態(tài)信息及其相應(yīng)傳感器
1．1．1 車(chē)輛狀態(tài)信息分類
1．1．2 常用車(chē)輛狀態(tài)信息
1．2 車(chē)輛狀態(tài)信息采集
1．2．1 車(chē)內(nèi)狀態(tài)信息的傳輸
1．2．2 車(chē)輛狀態(tài)信息采集與融合
1．3 車(chē)輛狀態(tài)信息處理
1．3．1 傳感器標(biāo)零
1．3．2 車(chē)輛狀態(tài)數(shù)據(jù)濾波
1．3．3車(chē)輛狀態(tài)數(shù)據(jù)有效性驗(yàn)證
1．3．4 衛(wèi)星定位數(shù)據(jù)處理
1．4 基于擴(kuò)展卡爾曼濾波的車(chē)輛位姿估計(jì)
1．4．1 車(chē)輛運(yùn)動(dòng)學(xué)模型
1．4．2 卡爾曼濾波方法
1．4．3 車(chē)輛運(yùn)動(dòng)狀態(tài)估計(jì)
參考文獻(xiàn)
第2章 車(chē)輛聯(lián)網(wǎng)大數(shù)據(jù)處理技術(shù)
2．1 時(shí)空大數(shù)據(jù)管理
2．1．1 時(shí)空數(shù)據(jù)索引
2．1．2 時(shí)空數(shù)據(jù)的壓縮存儲(chǔ)技術(shù)
2．2 時(shí)空大數(shù)據(jù)云端處理系統(tǒng)
2．2．1 JStorm
2．2．2 Apache ZooKeeper
2．2．3 Apache Kafka
2．2．4 Memcached
2．2．5 PostgreSQ1
2．3 實(shí)時(shí)車(chē)輛位置監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
2．3．1 系統(tǒng)總體架構(gòu)設(shè)計(jì)
2．3．2 多級(jí)網(wǎng)格劃分
2．3．3 實(shí)時(shí)位置聚合的JStorm任務(wù)實(shí)現(xiàn)
2．3．4 質(zhì)心合并的JStorm實(shí)現(xiàn)
2．3．5 大規(guī)模車(chē)輛實(shí)時(shí)行政區(qū)域判定的實(shí)現(xiàn)
2．3．6 行政區(qū)域判定與跨區(qū)域事件記錄的JStorm任務(wù)實(shí)現(xiàn)
2．3．7 實(shí)時(shí)車(chē)輛位置監(jiān)控系統(tǒng)Web應(yīng)用的實(shí)現(xiàn)
參考文獻(xiàn)
第3章 車(chē)輛位置與行為感知
3．1 車(chē)輛位置感知
3．1．1 定位技術(shù)及問(wèn)題挑戰(zhàn)
3．1．2 到達(dá)角估計(jì)方法
3．1．3 理論下界
3．1．4 協(xié)同定位
3．1．5 數(shù)據(jù)融合I
3．1．6 車(chē)聯(lián)網(wǎng)系統(tǒng)中車(chē)輛定位應(yīng)用示例
3．2 駕駛行為特征分析
3．2．1 車(chē)輛運(yùn)動(dòng)特征變化
3．2．2 駕駛行為識(shí)別方法輸入?yún)?shù)的模糊分級(jí)
3．2．3 駕駛行為規(guī)則庫(kù)
參考文獻(xiàn)
第4章 車(chē)輛動(dòng)力學(xué)建模與沖突檢測(cè)
4．1 車(chē)輛縱向受力分析
4．2 車(chē)車(chē)通信模式下的車(chē)輛簡(jiǎn)化縱向動(dòng)力學(xué)分層模型
4．2．1 車(chē)輛縱向動(dòng)力學(xué)模型的簡(jiǎn)化
4．2．2 簡(jiǎn)化車(chē)輛動(dòng)力學(xué)模型的分層
4．3 基于CarsiIn／MAT1AB／Simulink的車(chē)輛動(dòng)力學(xué)模型聯(lián)合仿真驗(yàn)證
4．3．1 Carsim仿真環(huán)境參數(shù)設(shè)置
4．3．2 Carsim／MAT1AB／Simulink聯(lián)合仿真搭建
4．3．3 下層動(dòng)力學(xué)控制模型仿真結(jié)果分析
4．4 兩車(chē)沖突檢測(cè)方法
4．4．1 兩車(chē)沖突判斷模型
4．4．2 沖突嚴(yán)重程度界定
……
第5章 車(chē)輛隊(duì)列協(xié)同控制模型
第6章 車(chē)聯(lián)網(wǎng)交叉口避撞控制
參考文獻(xiàn)