On-Road Intelligent Vehicles. Motion Planning for Intelligent Transportation Systems

وسایل نقلیه هوشمند در جاده: برنامه ریزی حرکتی برای سیستم های حمل و نقل هوشمند به فناوری وسایل نقلیه خودران، با تمرکز ویژه بر جنبه های ناوبری و برنامه ریزی می پردازد و اطلاعات را در سه قسمت ارائه می دهد. بخش اول به استفاده از حسگرهای مختلف برای درک محیط می‌پردازد، سپس به نقشه‌برداری از حواس چند دامنه‌ای برای تهیه نقشه‌ای از سناریوی عملیاتی می‌پردازد، از جمله موضوعاتی مانند حسگرهای مجاورتی که فاصله‌ها را به موانع می‌دهند، دوربین‌های بینایی و تکنیک‌های بینایی کامپیوتری. ممکن است برای پیش پردازش تصویر، استخراج ویژگی‌های مرتبط، و استفاده از تکنیک‌های طبقه‌بندی مانند شبکه‌های عصبی و ماشین‌های بردار پشتیبانی برای شناسایی جاده‌ها، خطوط، وسایل نقلیه، موانع، چراغ‌های راهنمایی، علائم و عابران پیاده استفاده شود.

با بینشی دقیق از فناوری پشت خودرو، قسمت دوم کتاب بر مشکل برنامه ریزی حرکت تمرکز دارد. تکنیک‌های برنامه‌ریزی متعددی برای کار برای سناریوهای ترافیک چند وسیله نقلیه، از جمله استفاده از روش‌های مبتنی بر نمونه‌برداری متشکل از الگوریتم ژنتیک و درخت‌های تصادفی با کاوش سریع و رویکردهای مبتنی بر جستجوی نمودار، از جمله تجزیه سلسله مراتبی الگوریتم و انتخاب اکتشافی از مورد بحث و بررسی قرار گرفته‌اند. گره‌ها برای اکتشاف محدود، رویکردهای مبتنی بر برنامه‌ریزی واکنشی، از جمله برنامه‌ریزی مبتنی بر فازی، برنامه‌ریزی مبتنی بر میدان بالقوه، و نوار الاستیک و برنامه‌ریزی مبتنی بر منطق.

قسمت سوم کتاب مفاهیم کلان مربوط به سیستم های حمل و نقل هوشمند را با بحث در مورد موضوعات و مفاهیم مختلف مرتبط با سیستم های حمل و نقل، از جمله شرح جریان ترافیک، نظریه پایه سیستم های حمل و نقل و تولید پوشش می دهد. از امواج ضربه ای

• پوشش کلی وسایل نقلیه خودران و سیستم های حمل و نقل هوشمند را ارائه می دهد
• نمای کلی مفصلی را ارائه می دهد و به دنبال آن مشکلات چالش برانگیز ناوبری و برنامه ریزی را ارائه می دهد
• آموزش می دهد نحوه مقایسه، تضاد و تمایز الگوریتم های ناوبری

On-Road Intelligent Vehicles: Motion Planning for Intelligent Transportation Systems deals with the technology of autonomous vehicles, with a special focus on the navigation and planning aspects, presenting the information in three parts. Part One deals with the use of different sensors to perceive the environment, thereafter mapping the multi-domain senses to make a map of the operational scenario, including topics such as proximity sensors which give distances to obstacles, vision cameras, and computer vision techniques that may be used to pre-process the image, extract relevant features, and use classification techniques like neural networks and support vector machines for the identification of roads, lanes, vehicles, obstacles, traffic lights, signs, and pedestrians.

With a detailed insight into the technology behind the vehicle, Part Two of the book focuses on the problem of motion planning. Numerous planning techniques are discussed and adapted to work for multi-vehicle traffic scenarios, including the use of sampling based approaches comprised of Genetic Algorithm and Rapidly-exploring Random Trees and Graph search based approaches, including a hierarchical decomposition of the algorithm and heuristic selection of nodes for limited exploration, Reactive Planning based approaches, including Fuzzy based planning, Potential Field based planning, and Elastic Strip and logic based planning.

Part Three of the book covers the macroscopic concepts related to Intelligent Transportation Systems with a discussion of various topics and concepts related to transportation systems, including a description of traffic flow, the basic theory behind transportation systems, and generation of shock waves.

• Provides an overall coverage of autonomous vehicles and Intelligent Transportation Systems
• Presents a detailed overview, followed by the challenging problems of navigation and planning
• Teaches how to compare, contrast, and differentiate navigation algorithms