本书在车路协同环境下对智能网联车辆提出基于混成自动机的自动驾驶车辆决策框架，基于该架构，设计个性化的自动驾驶车辆决策、规划与控制系统，并且通过搭建实验测试平台等一系列方法对车辆个性化运动控制与测试提出可靠的评价方法。具体包括以下研究内容：开展自然驾驶实验，采集、分析驾驶员在高速公路场景中的自然驾驶数据，研究典型驾驶场景中驾驶员的个性化特征；建立基于改进人工势场算法的轨迹规划模型，利用自然驾驶数据分析的驾驶员个性化特征，对人工势场模型进行标定，标定后的模型能够产生个性化的期望轨迹；设计基于改进模型预测控制方法的跟踪控制器，以实现对期望轨迹进行稳定、准确地跟踪；搭建硬件在环测试平台以及实车测试平台对车辆决策、规划与控制功能及可靠性进行进一步的测试,并对车辆的综合能力进行评价。

李浩然，武汉科技大学讲师，清华大学车辆与运载学院/清华大学苏州汽车研究院博士后，研究方向为：驾驶行为特征分析提取、自动驾驶决策规划与控制等。

前言 　　车辆自动驾驶系统始终要为人类提供服务，因此需考虑人类的个性化驾驶需求。在实际的道路交通环境中，不同驾驶员的驾驶行为特性具有显著差异性，单一行为模式的自动驾驶决策与控制方式无法适应不同驾驶员的驾乘需求。特别地，对于高级别自动驾驶而言，若自动驾驶行为与人类预期不相符，会降低人类对自动驾驶系统的接受度，并在紧急情况下引发人类驾驶员的恐慌，进而造成安全事故。然而，当前的自动驾驶车辆决策、规划与控制，未考虑不同人类驾驶员之间的行为差异性。 　　本书针对自动驾驶车辆的个性化决策、规划、控制及测评方法展开研究，建立自动驾驶车辆的决策框架，利用自然驾驶实验分析的结果标定模型参数，提出体现人类驾驶行为的自动驾驶方法，在此基础上研究考虑环境车行为特征的自动驾驶系统，使车辆的自动驾驶能够体现人类驾驶员的个性特征，最后构建测试评价体系，实现算法的量化测试。具体地，本书开展的研究工作如下： 　　(1) 利用高速公路自然驾驶数据，提取典型驾驶场景下的个性化驾驶操作特征。通过开展自然驾驶实验，基于时序模糊C均值聚类算法，将换道、跟驰数据划分为不同的阶段，分析不同驾驶员在跟驰、换道场景下的车头时距、车道偏移、速度、航向角、加速度、横摆角速度及横摆角加速度的差异。根据所需标定的参数数量以及不同驾驶员自然驾驶特征变量差异的显著程度，选取车头时距、加速度以及横摆角加速度变量作为体现驾驶员差异性的指标。 　　(2) 基于混成自动机方法，提出个性化自动驾驶行为决策框架。针对体现人类驾驶行为的自动驾驶和考虑环境车行为特征的自动驾驶，分别设计混成自动机决策框架。基于改进的人工势场方法，提出自动驾驶车...