前言

機動車是靈活性高、業務環境復雜的交通工具，一直和我們的生活、工作息息相關。近年來，結合感知、融合、決策、控制的自動駕駛技術無疑是最有前景的研發領域之一。在《中國制造2025》中，已經將智能車聯網提升到國家戰略高度，車作為智能化終端的概念逐漸浮出水面，并在我們的心中逐漸加強。近幾年，各項國家地方政策層出不窮，甚至開放了包括北京、上海部分道路在內的一部分路段進行路測。在世界范圍內，圍繞自動駕駛產生了多家發展迅速的獨角獸企業，這些企業有的專注地圖的高精化，有的設計智能化邊緣計算硬件，有的則著眼于智能駕駛算法系統。智能駕駛和交通安全息息相關，雖然目前測試的結果都是很驚人的，但是大多數結果都是基于特定路段和特定環境的。在直觀的理解中，自動駕駛包含車輛與環境的交互過程。這里面涉及眾多環節，比如車輛定位、路徑規劃、狀態感知、車輛控制等。如此復雜的流程必須依靠包括深度學習、強化學習等在內的機器學習技術進行支撐，機器通過大量離線和在線數據的采集與特征提取，在一定算法的基礎上，模型自主地完成優化和學習，從而最終得出一個具有統計學意義的結果。這個統計學結果的得出其實是值得探討的。由于數據量不足及模型本身的種種限制，自動駕駛還沒有實現100%的全路段、全時況的無人駕駛。

汽車行業的智能化技術不同于普通的Web技術，具有很強的邊緣計算結合性，需要從業人員了解車輛本身的包括運動、機械等方面的基礎知識，更需要了解不同傳感器的數據微觀特征，通過結合近年來發展迅猛的機器學習算法（深度神經網絡和強化學習）開發包含定位、預測、路徑規劃和業務控制等一系列自動駕駛模塊，通過駕駛測試來進一步完善系統能力。想要進入此領域的初級開發人員往往因為系統繁雜而不能很快掌握開發技術的核心。本書涵蓋機器學習的基本概念、神經網絡算法和強化學習算法，在學習算法的基礎上通過增量方式開發進行無人駕駛各個功能模塊的開發學習。

本書致力于通過生動的實例講解機器學習的核心算法，代碼實例涉及自動駕駛的普遍業務方法，通過具體代碼實例對自動駕駛背后的設計思想和原理進行詳細分析，力圖使讀者通過實際操作快速入門和理解自動駕駛的算法和開發流程。

宋哲賢

2020年1月