随着高阶自动驾驶向行业场景和开放道路的逐步演进，实现复杂环境下的全域精准感知是突破当前高阶自动驾驶技术规模化实践的核心难题之一，为此系统性梳理了复杂环境感知的关键技术和发展态势。首先，界定了高阶自动驾驶复杂环境的定义与数据体系，并分类解析自动驾驶非常态感知的任务类型；接着，全面阐述了自动驾驶复杂环境感知中涉及的图像处理、深度学习、强化学习、多模态融合、大模型等技术，指出未来需突破数据体系结构优化、大模型驱动的场景认知升级、端到端自动驾驶等方向。所提方法为高阶自动驾驶复杂环境感知领域研究提供了一种系统研究框架的借鉴，可为高级驾驶辅助系统等相关技术的产业化应用提供技术参考和趋势分析。

混合动力电动汽车在节能减排与缓解用户里程焦虑方面展现出显著优势，能量管理策略(EMS)作为混合动力系统的核心技术，其相关研究已成为电动汽车领域的技术热点。近年来，随着机器学习的快速发展，其在智能网联场景下对多源高维信息的感知能力为电动汽车节能优化提供了新的技术路径。基于此，系统性地总结了机器学习在混合动力系统能量管理中的应用与研究进展，重点探讨了两大类方法：基于经典机器学习的智能预测型EMS和基于强化学习的智能学习型EMS。研究发现：以监督学习和无监督学习为代表的经典机器学习方法能够有效提取网联交通环境和车辆运行数据中的关键特征信息，可在智能预测型能量管理的工况预处理任务中发挥重要作用，并为传统优化控制算法的策略优化提供有力支撑；深度强化学习则通过融合具有环境感知能力的深度学习与具备策略决策优势的强化学习，在复杂动态交通场景下的电动汽车实时优化控制中展现出独特优势。基于现有研究进展，就机器学习在能量管理领域的未来研究方向进行了展望，可为后续研究提供理论参考和实践指导。

预测性巡航控制(Predictive Cruise Control, PCC)因其节能潜力,在重型卡车上得到了推广与应用,然而当前PCC技术在应对动态交通环境方面的能力有限,其节能效果和行驶效率仍有较大的提升空间。为此,基于云控数字孪生架构,提出了一种综合考虑动静态交通信息的网联重卡融合式预测性换道巡航控制策略(Integrated Predictive Lane Change Cruise Control, IPLC)。基于云控数字孪生架构设计了车云分层的IPLC系统，在云端上层,利用长距离域坡度信息开发了基于动态规划的预测性车速-挡位协同规划算法；在云端下层,基于前向交通车辆预测信息所形成的可行驶空间,进行融合换道行为决策的节能车速重规划,实现动静态交通信息的充分利用。在车端,车辆接收云端的建议信息并进行解析与跟踪控制,保障系统安全稳定运行。最后进行了仿真与实车验证。结果表明：在典型的上下坡工况和特殊慢车流影响下,IPLC策略相较于对比算法综合效果提升了2%~7%；在随机交通流和真实道路的动静态交通仿真中,IPLC策略在节能车速行驶中还能在恰当的时机进行自适应换道决策,较其他对比算法在节能的基础上进一步提升了行驶效率。实车试验表明,在平原高速场景下，云端上层 PCC 系统相较于定速巡航系统，在满载工况下节油率提升约2.4%，验证了该算法的有效性。研究成果为PCC的进一步发展与云控赋能节能驾驶提供了更多新思路。

针对降雨这一环境感知系统高风险、高暴露率的触发条件,场地模拟降雨是当下主要的测试手段,但相关测试结果的置信度很大程度上需要取决于降雨模拟的真实度。基于模拟降雨的物理特征,从微观雨滴分布层面出发,证明了雨滴分布显著影响传感器感知数据,并提出针对场地模拟降雨的真实度评估方法。首先,引入激光雨滴谱仪采集降雨微观数据,并选取激光雷达和摄像头采集降雨下的传感器感知数据,构建降雨与传感器数据集。在真实降雨下,共采集得到712组降雨微观数据,其中166组中包含有对应的传感器数据；在模拟降雨下,通过调整降雨模拟设备的设置,采集34组不同的模拟降雨数据。其次,选取6项降雨指标与7项传感器指标,通过分析真实降雨下2类指标的相关性,深入分析了微观雨滴分布对于传感器感知数据带来的影响。进而,基于真实降雨样本的雨滴分布构建真实度评估基准,通过量化模拟降雨样本的雨滴分布与评估基准的相似度,实现雨滴分布真实度的直接评估,得到评估指标RRD。最终,对提出的方法展开验证与应用,结果表明：方法构建具备合理性,能够基于评估结果区分与筛选高真实度的模拟降雨样本；34组模拟降雨样本评估结果的平均RRD为0.49,方差为0.14,其中只有1组样本达到0.7以上的评分,模拟降雨真实度有待提升；此外,指标RRD相较于雨强能够更好地指导模拟降雨测试工况的设置与筛选,为自动驾驶汽车的场地模拟降雨测试提供参考。

虚拟参考信号能有效平衡多通道车内路噪主动控制系统的计算能力与降噪效果，但目前虚拟参考信号实际应用中仍存在计算量大和适用性不足的问题；基于此，利用多工况下的振动数据特征合成多工况变换矩阵，提出了一种时域虚拟参考信号构建方法。基于多重相干法选取原始参考信号，在各工况下利用奇异值分解法获取参考信号协方差矩阵的特征值及特征向量。对各工况提取的特征向量矩阵依据特征值降序排列后截断较小特征值对应的特征向量，将各工况截断后的特征向量矩阵按照顺序拆分重新分组，在各特征向量组中分析各特征向量的皮尔逊相关性，挑选各组平均相关系数最大的特征向量组合多工况变换矩阵，从而构建虚拟参考信号。为了检验所提方法的可行性以及适用性，以PHEV乘用轿车为研究对象开展仿真与实车试验，利用多个工况采集的12个原始参考信号合成多工况变换矩阵，基于该矩阵构建7个虚拟参考信号。结果表明：与现有选点方法相比，所提方法基于多工况变换矩阵进行降维处理，能够在综合12个原始参考信号信息的基础上有效降低约11.5%的计算量。此外，针对多种典型路况的测试分析显示，所提方法在各工况下均取得了较好的降噪效果，与现有方法相比，50~500 Hz频带内总声压级降噪量提高了0.7~1.8 dB(A)。表明所提方法在减小计算量的同时提升了降噪效果，为虚拟参考信号在工程实践中的应用提供了参考。

建立符合中国体征生物力学特性的人体有限元模型，是开展针对中国道路使用者损伤及防护研究的工具前提。作为中国体征人体模型AC-HUMs工作的一部分，建立和验证中国第50百分位男性人体下肢模型具有研究价值。首先，基于中国第50百分位成年男性(50M)志愿者下肢医学影像建立表征解剖学结构的人体下肢模型；然后，通过10组反映交通事故下肢加载工况的试验验证下肢模型生物逼真度；之后，通过数据分析，论述了AC-HUMs 50M下肢模型在体征及材料参数上的合理性；最后，对比中国与欧美体征下肢模型损伤耐受限度差异，讨论现有损伤准则对中国人群的适用性。研究结果表明：AC-HUMs 50M下肢模型在膝关节剪切力学、胫骨弯曲力学、股骨弯曲力学和小腿斜向动态三点弯曲力学等方面与尸体试验吻合良好，模型具有较高的生物逼真度，可用于中国道路事故参与者损伤与防护研究，而现行损伤准则可能需要适当修正才能适应中国人体损伤风险预测。

现有的大多数交通安全替代指标，如碰撞时间（TTC）等，缺乏统一明确的规范，通常需要根据不同的速度区间和道路类型，设置不同的阈值来评估风险。对此，基于理论与数据相结合解构驾驶人风险意识，提出一种新型交通安全替代指标，以期实现对风险定性与定量的标准化评估。首先，根据前后车制动距离构建潜在风险指标，通过HighD与Waymo数据集验证，并经F检验与t检验，在0.05的显著性水平下，高速公路与城市道路跟车过程中驾驶人接受的最大潜在风险服从同一个正态分布。其次，运用累计分布函数将个体风险随机变量映射为统计概率，提出相对安全指数（RSI），通过利用总体分布实现理论与数据的匹配，为风险标准量化和安全阈值选取提供了有力支撑。最后，应用数值模拟方法开展高速公路与城市道路场景的跟车与制动试验。结果表明：RSI在跟车过程中表现出良好的稳定性、有效性和可靠性，能够基于一个标准范式去评估不同速度区间、不同交通场景的风险状态。此外，RSI能够反映驾驶人风险偏好，具有连续可微的数学表达式，能够满足宏、微观交通安全评估要求，在学术与工程领域均具备重要的应用价值。

城市道路电动汽车无线充电系统因其便捷、高效等特点受到广泛关注。为解决不同类型原副边线圈匹配时或原副边线圈出现偏移偏转时的高效率能量传输问题，提出了一种改进型DD线圈结构，采用半圆形线圈代替矩形线圈，并在半圆形DD线圈的基础上增加一个正交的Q线圈。基于改进型DD线圈的基本结构，设计了嵌入式磁芯结构，从耦合机构结构轻量化角度对改进型DD线圈进行了优化设计。采用COMSOL有限元仿真软件与MATLAB进行联合仿真，对比分析了单极型DD型线圈、改进型DD线圈及DDQ线圈的互操作与抗偏性能，建立了采用改进型DD线圈的系统模型，对副边线圈旋转偏移过程中的系统能量传输特性进行了分析。结果表明：相较于传统单极型DD线圈，改进型DD线圈互感值提升了70%以上；相较于DDQ线圈，尤其当副边线圈为圆形时，改进型DD线圈互感值提升了4%以上，同时材料用量减少了2%；采用改进型DD线圈的电动汽车无线充电系统最大输出功率可达3.46 k W，效率为94.73%，在副边线圈0°～45°旋转偏移的过程中，系统输出功率波动率仅为0.12%，效率波动率仅为0.01%，系统能量传输稳定性高。

城市交通网联条件下混合动力车辆速度规划和能量管理分层控制是节能减排的有效方案。在速度规划层面考虑动力系统中挡位和发动机油耗是一个难点，在能量管理层面增加速度轨迹跟踪条件下的挡位整数优化也是一个难题。因此，提出了一种网联混动车辆速度规划和能量管理2个层级、不同时域下挡位优化控制方法。上层的速度规划控制单元将速度目标传递至下层能量管理控制器，下层控制再进一步优化得到发动机和电机之间的能量分配因子以及挡位。城市交通实时路面场景仿真试验结果表明：所提出的速度规划及能量管理两级挡位优化方法，相比于上下两层传统的控制方法，平均燃油消耗能够降低17.33%。

为建立带附加气室空气弹簧的动态特性理论模型，揭示其幅频相关性、动刚度峰值及振幅无关不动点现象的内在机理，首先通过试验研究不同激励振幅与频率下动刚度演变规律，基于热力学原理构建带附加气室空气弹簧的非线性动态特性解析模型并进行无量纲化处理；接着，基于试验验证模型有效性，推导了振幅无关不动点频率、幅值的解析式及动刚度共振峰产生判据；最后，系统分析了主附气室刚度比与阻尼比对不动点特性的影响规律。研究结果表明：幅频相关性源于流道内空气阻尼的幅频非线性效应，特定频率下流道内空气质量内共振使动刚度出现共振峰，其峰值大小由流道几何参数（长度、直径）和激励振幅共同决定；振幅无关不动点的频率仅与主附气室刚度比有关，其幅值等于主气室刚度。所提模型能有效表征路面激励频率及常见振幅范围内的动态特性，为空气弹簧的动刚度设计提供指导。

电池状态估计是电池管理系统的核心技术，对保证电池安全可靠的使用、充分发挥电池的能力、延长使用寿命起着至关重要的作用。电池模型是状态估计技术的基础，极大地影响着状态估计的精度和时效。为此，对最常用的电池建模和状态估计方法进行了梳理和总结。首先，对电池模型及其建模方法进行系统概述，主要包括电学特性模型、热模型、电热耦合模型以及老化模型。然后通过对文献的归纳分析，从剩余容量、功能估计、功率预测、健康评估、温度监测和安全保障等角度，对电池荷电状态、健康状态、能量状态、功能状态、功率状态、温度状态和安全状态等估计方法进行了较为全面的阐述。最后，对未来电池状态估计的研究方向和趋势进行展望。研究结果可为电动汽车动力锂电池状态估计朝着先进化、智能化发展提供参考。

针对外界扰动、参数摄动、数据传输时滞、转向输出滞后等因素给车辆运动控制带来的严峻挑战，基于鲁棒保性能控制理论提出了一种面向不可靠车载传输环境的智能汽车轨迹跟踪控制策略。通过系统扩维的方式引入转向系统动力学，建立增广无滞后不确定轨迹跟踪动力学模型，以描述执行器动态特性影响下的车路耦合动力学响应。基于Lyapunov-Krasovskii(LK)泛函构建时滞相关稳定性判据，考虑模型参数摄动所引起的系统失配问题，采用不等式放大法对不确定交叉项进行放大，引入H_∞指标对广义外界扰动进行抑制，并通过保性能指标配置控制性能偏好，设计具备线性参数时变(Linear-parameter-varying, LPV)特征的纵横向鲁棒协同控制器。最后通过多个典型工况对鲁棒保性能控制策略的有效性与优越性进行了验证。研究结果表明：在信号传输存在时滞、转向输出存在滞后的状态下，所提出的控制策略能够产生光滑平顺的控制输出，可保证车辆的行驶稳定性；尤其是在低附着、高速转向等恶劣行驶工况下，所提出的鲁棒保性能控制策略能够有效补偿模型失配所带来的不利影响,实现轨迹精确跟踪与横向稳定控制的有效兼顾。因此，该算法可在统一架构下综合考虑多种不确定性因素对车辆运动控制的影响，进一步提升车辆在复杂行驶工况下的轨迹跟踪控制性能，也可为数据共享环境下的车辆运动控制提供有意义的参考与技术支撑。

随着智能网联汽车技术的快速发展，跟车行驶控制能够有效实现车辆智能跟随及快速高效队列行驶。针对城市郊区道路条件下的智能网联汽车速度规划问题，以提高车辆的燃油经济性、舒适性及安全性为目的，基于跟车速度限幅和车辆动力系统信息，设计了基于初值优化的序列二次规划算法(Sequential Quadratic Programming, SQP)，实时求解获取车辆跟车过程中的最优速度轨迹。首先，在车联网环境下，基于车车(Vehicle to Vehicle, V2V)通信及车辆与交通设施(Vehicle to Infrastructure, V2I)通信技术实时获取前方车辆的速度、加速度及位置等行驶信息并实时采集道路交通信息；然后，为减少车辆动态能耗损失和减小所需牵引力，并在规定的时间段内完成相应的行驶路程，利用采集到的前车行驶信息，采用基于初值优化的SQP算法对最优目标车速进行求解；此外，基于周边动态的道路交通场景，考虑边界约束条件，采用滚动时域的方法实现目标车辆速度在每个采样时刻的在线滚动优化，保证目标车辆节能安全地跟车行驶；最后，通过仿真验证了该算法的有效性和实时性。研究结果表明：基于初值优化的SQP算法能够较快求解经济性较优的跟车车速轨迹，可保证车辆的行驶安全性和良好的跟车性能，减少车辆跟车过程中不必要的速度波动，最终实现跟车车辆较好的燃油经济性和行驶舒适性。

针对自动驾驶高精度地图实时动态更新在高精度、高可靠、高安全等方面所面临的挑战，总结当前高精度地图更新面临的困难与挑战，加快自动驾驶高精度地图的大规模商业化落地，从而提升智能汽车的安全性和稳定性，为高级别自动驾驶提供重要支撑。首先描述了自动驾驶地图的定义与内涵，指出自动驾驶地图的数据特性和功能应用；其次梳理了高精度地图更新的发展现状与趋势，综述了地图集中式更新与众源式更新的优劣，指出众源更新已成为地图更新发展的新趋势；再次，总结了目前众源更新的基本架构与关键核心模块，并针对关键核心技术展开分析，归纳了众源更新所涉及关键技术的现状及趋势。结果表明：当前技术仍然面临着7个主要方面的挑战，涉及地图模型、高精定位、三维重建、融合更新、数据安全、快速审查、标准法律法规。针对这些挑战，指出自动驾驶高精度地图众源更新技术难题需要政产学研多部门从技术、政策、法律多维度共同推进解决，从而加速自动驾驶地图众源更新技术的发展与应用。

为了在不同工况中，同时兼顾轨迹跟踪算法的跟踪精度，计算速度与车辆稳定性，提出基于不同车速和路面附着系数的参数自适应MPC算法。在线性时变MPC的基础上增加车辆稳定性控制，并基于路面附着系数设计2种控制策略：在高附着系数路面，针对不同车速优化预测时域与控制时域；在低附着系数路面，开启车辆稳定性控制并基于改进粒子群算法优化权重参数。2种策略在保证跟踪精度与车辆稳定性的基础上提高计算速度。设计基于前馈神经网络的路面识别算法从而为多参数自适应轨迹跟踪算法识别所在道路的路面附着系数，利用CarSim-Simulink平台进行联合仿真。研究结果表明：路面识别算法的平均绝对百分比误差为12.77%，足够满足多参数自适应轨迹跟踪算法的需求；相较于传统线性时变MPC跟踪算法，低速工况下参数自适应轨迹跟踪算法在高附着系数和低附着系数的路面上，横向平均绝对误差分别降低了20.7%和24.6%；高速工况下横向平均绝对误差分别降低了66.2%和50.7%；综合所有试验，算法的计算时间减少了40.2%；在保障车辆稳定性的同时降低算法的计算时间。研究成果针对不同车速与附着系数对轨迹跟踪算法参数进行优化，利用自适应预测时域，控制时域与权重参数协同优化控制，为轨迹跟踪控制在复杂环境的研究提供了一种思路。

为了提高儿童乘员在自动驾驶汽车中的碰撞安全性，提出在正面碰撞发生前主动将不同座椅朝向的乘员旋转至背向碰撞方向(180°方向)的策略，通过改变人体受力方向，将不同座椅朝向乘员的正面碰撞形式转化为标准的追尾碰撞形式，从而提高自动驾驶车辆中儿童乘员的碰撞安全性。首先，通过正面碰撞假人试验对THUMS 10岁儿童乘员台车模型的有效性进行验证；然后，基于4种不同座椅朝向(0°、90°、135°和180°)，利用THUMS 10岁儿童乘员模型进行正面碰撞仿真试验，发现180°座椅朝向儿童乘员损伤风险最小，因此，180°座椅朝向被确定为相对安全的座椅朝向；最后，模拟200 ms内将座椅旋转±45°和300 ms内将座椅旋转±90°以及分别在0 ms和100 ms时间延迟后引入碰撞的试验过程，研究座椅旋转过程本身以及先旋转后碰撞策略下的乘员损伤风险。研究结果表明：200 ms内将儿童乘员旋转±45°和300 ms内将儿童乘员旋转±90°，不引起额外人体损伤；碰撞时刻的延迟所造成的儿童乘员姿态的变化，会导致儿童乘员在碰撞过程中产生不同的运动学响应和损伤风险；在无碰撞时刻延时的情况下，先旋转后碰撞的策略可有效降低儿童乘员的损伤风险。

分布式驱动电动汽车可控自由度高、响应速度快、底盘线控集成度高、车辆结构紧凑，是实现先进车辆动力学控制技术的最佳平台。线控转向系统、线控驱动/制动系统、线控悬架系统等线控系统，制动防抱死系统、车道保持系统、自适应巡航系统、变道辅助系统等不同等级的辅助驾驶系统的广泛使用，造成车辆底盘控制中出现冗余及冲突。分布式驱动结构形式为多线控系统及线控系统与辅助驾驶系统间的高效、协同控制带来了更大的可能。基于此，从集成控制策略架构、纵-横向动力学集成控制、横-垂向动力学集成控制、纵-垂向动力学集成控制、纵-横-垂向动力学集成控制、容错控制、分布式驱动智能电动汽车底盘动力学集成控制等方面重点阐述分布式驱动电动汽车底盘集成控制技术的最新进展。通过对文献分析总结可以看出：基于分层式控制架构的分布式驱动电动汽车动力学集成控制是当前研究重点；一体化集成控制目标、高级辅助驾驶系统与底盘控制系统深度融合及个性化集成控制等问题亟待解决。研究成果能为分布式驱动电动汽车底盘高性能集成控制技术发展提供参考。

为满足智能汽车对制动系统的冗余安全要求，基于集成式电控制动系统(Integrated Electronic Braking Control System, IBC)和冗余制动单元(Redundant Brake Unit, RBU)构成的冗余电控制动系统，设计针对电流传感器故障的软件冗余和硬件冗余容错控制方法。首先，分析冗余电控制动系统工作原理，针对IBC中电流传感器故障设计冗余电控制动系统容错控制机制，并对电流传感器进行故障诊断以获得冗余电控制动系统的故障状态；然后，根据电流传感器故障诊断结果设计不同的容错控制方法，以满足容错控制机制的需求，设计基于坐标变换的软件冗余容错控制方法实现单相电流传感器故障容错控制，在对RBU的进液阀及出液阀进行增压/减压特性分析与测试后，设计RBU压力控制算法，实现多相电流传感器故障的RBU硬件冗余容错控制；最后，搭建硬件在环试验台进行硬件在环试验验证。研究结果表明：所设计的RBU压力控制算法能够实现轮缸压力控制，容错控制机制能够根据电流传感器故障诊断结果选择正确的容错控制方法，软件冗余和硬件冗余容错控制方法能在基础制动功能和主动制动功能下完成冗余电控制动系统容错控制，提高智能汽车制动系统的可靠性。

为了解决窄体车辆过弯易侧翻的问题，研究一种采用转向和侧倾并联机构的窄体侧倾车辆，通过控制车辆在转弯时主动向弯道内侧倾斜的程度，提高车辆弯道行驶时的安全性；针对车辆在转向和侧倾控制过程中存在的响应不同步问题，提出一种基于模糊控制的同步控制策略。首先，对采用转向和侧倾并联机构的窄体侧倾车辆进行结构原理分析，并建立转向轮模型和车辆3自由度模型。然后，对侧倾控制系统的响应特性在线辨识，通过模糊控制得到因悬架阻尼力作用引起的侧倾响应时滞量，并对转向动作进行相应延时，从而实现转向与侧倾的同步控制；同时，分别确立期望的前轮转向角和整车侧倾角，通过PID控制使实际转向角和侧倾角跟踪期望值。最后，分别基于MATLAB/Simulink和试制的窄体侧倾样车进行仿真和试验分析。研究结果表明：窄体侧倾车辆的悬架阻尼力导致侧倾动作的响应时间明显大于转向动作的响应时间，从而导致车辆的转向和侧倾不能实现同步控制；单移线和S弯转向试验结果表明，所提控制策略能够有效改善转向和侧倾的响应不同步现象，从而将窄体侧倾车辆在转弯时的侧向加速度和侧倾作动器的峰值扭矩分别减小67.9%以上和48.4%以上，有效防止了窄体车辆转向时的侧翻危险，降低了系统的成本和能耗。

针对柴油/PODE混合燃料发动机虽满足实际道路排放法规的需求，但实际道路的高瞬态性导致其瞬态结果与实验室稳态结果不符的问题，按照国Ⅵ排放标准测试流程，采用便携式排放测量系统对一台燃用柴油/PODE混合燃料的国Ⅵ重型牵引车的实际道路排放进行研究。研究定制由比功率、车速和加速度等信息共同定义的车辆工况分箱，以更加细致地衡量车辆排放及经济性能。数据统计分析结果表明：对于所有燃料，在工况多变的市区工况下CO和PN排放最高，在柴油中添加PODE能够显著降低CO和PN排放，其全路况比排放综合降幅为50%左右；掺混PODE后实际道路NO_x排放增加，在高速工况下最高，其比排放增加幅度低于20%；重型车辆常用工况为高速工况，高速中等功率需求工况下排放和燃油消耗率最多，在市区路段时，低速小功率需求工况占据大部分的时间，其排放和燃油消耗率仅次于高速中等功率需求工况，PODE的添加使得燃油消耗率增加；当PODE掺混比为30%时，发动机整体有效热效率为40.3%，比燃用纯柴油时提高了约2%；当PODE掺混比为20%时，其整体有效热效率相比D100反而有所下降，这与实际道路行驶条件下的高瞬态相关，因此PODE的实况使用必须加以限定才能提高有效热效率。

为了提升共享电动汽车系统的经济性与运营效率，需要充分挖掘用户对共享使用价格的响应机制以及用户的充电等待行为。同时，用户流量需求的精准预测是提供合理共享定价方案的重要基础。基于此，首先建立以数据驱动的用户流量预测模型，通过结合图卷积神经网络与长短时记忆模型，捕捉用户需求的时空特征和动态相关性，并结合时间与天气特征因素实现多时间步长的准确流量预测。其次，考虑用户在共享系统下的等待自适应行为，建立基于用户等待成本的共享系统服务质量模型。而后以实现最大化共享系统利润收益与服务质量为目标，建立多目标的共享定价模型以制定不同时刻与路径上的共享电动汽车使用价格。最后，以上海市虹口区EVCARD交通测试系统的算例分析，论证所提流量预测模型的准确性以及多目标定价模型的有效性与经济性。研究结果表明：所提的SEV多因素融合需求预测模型较其现有的常用预测方法能获得更加准确的多时间步长流量预测；通过合理设置共享驾驶的空间和时间变化价格信号，可以提升共享电动汽车系统的运营盈利能力，并且实现了更好的系统利润收益与用户服务质量平衡的运行需求。

城市交通环境中车辆的驾驶行为随机性较高，且驾驶人驾驶风格迥异。为了解决复杂交通环境下车辆行驶轨迹难以精确预测的问题，在社会生成对抗网络（Social GAN）的基础上，考虑车辆的行驶速度、加速度、航向角等行驶状态参数和形状尺寸，建立车辆间交互影响力场模型，提出一种基于时-空注意力机制的车辆轨迹预测算法（SIA-GAN）。根据受到场景中其他车辆交互影响力的大小赋予其他车辆不同的空间注意力权重因子，重点关注对自车行驶影响较大的车辆信息，并结合时间注意力机制挖掘自身车辆对观测时段内历史轨迹特征向量的时间依赖性，得到车辆预测轨迹。为验证所提算法的有效性，在开源数据集上对算法进行迭代训练，并与LSTM、Social LSTM、Social GAN三种轨迹预测算法进行对比分析。研究结果表明：SIA-GAN不仅在训练时的收敛速度上有较大提升，且与现有其他轨迹预测算法相比在平均位移误差、最终位移误差、平均速度误差、平均航向角误差等评价指标均有大幅下降，预测3.2 s时各项指标平均降低了51.25%、60.1%、37.84%、13.75%；预测4.8 s时各项指标平均降低了52.78%、61.47%、35.92%、9.57%；提出的SIA-GAN轨迹预测算法能够真实、有效地反映车辆间复杂的空间交互影响特性，提升轨迹预测的精确性、合理性与可解释性。

智能汽车测试是其技术开发与应用中必不可少的环节，封闭场景下测试目标物准确反映真实道路环境下交通对象特性是保障测评结果可信的关键，而道路弱势群体服饰色彩是相应测试目标设计的关键参数，也是智能车测评相关标准中要求的一个主要指标。为此，通过对中国某省份2018~2020年间重大交通安全事故案例的分析和筛查，得出178例弱势道路使用者群体伤亡人员样本，首先提取样本服饰颜色，然后选取适当的色彩空间，将色彩数据从RGB （Red-Green-Blue）空间转换至LUV （Lightness-Chroma）空间。以转换结果作为聚类参数，采用K-means聚类算法，获取受害者样本基于季节、出行方式等不同因素下的服饰代表颜色。区别现阶段欧洲标准中目标物黑色上衣/蓝色长裤的搭配组合，黑色上衣/黑色长裤作用于符合中国国情的自动驾驶场景中测试目标物的服饰颜色更具代表性。鉴于中国新车评价规程（China-New Car Assessment Programme，C-NCAP）选取行人目标物与自行车骑行者目标物，将目标物服饰改为黑色上衣/黑色长裤组合，以测试目标物与测试车辆位置分别构建相对横向及纵向运动的多个场景，在对应场景下检测汽车前端结构位置25%、50%及75%处与目标物碰撞情况，以评价配有自动紧急制动系统（Automatic Emergency Braking System，AEB）的智能汽车对测试目标物的响应能力。试验测试结果表明：全部测试场景下，测试车辆能够成功识别目标物并可主动制动，该测试验证了黑色上衣/黑色长裤组合在现行检测标准下的可行性与有效性。该研究可为智能汽车测试领域提供客观的数据支撑，完善交通行业相关标准和法规，并推动智能汽车测试技术的发展。

为提高电动汽车用内置式永磁同步电机气隙磁场解析计算精度和优化效率，利用混合解析法建立考虑转子铁心磁桥饱和效应的电机气隙磁场参数化解析模型。首先利用联合等效磁路法的子域法建立内置式永磁同步电机开路气隙磁场解析模型；然后利用同样方法建立转子磁桥虚拟磁场解析模型，从而得到考虑转子磁桥饱和效应的电枢反应磁场解析模型；最后通过叠加原理建立内置式永磁同步电机合成气隙磁场解析模型。通过有限元仿真和转矩测试验证内置式永磁同步电机气隙磁场解析模型的准确性。基于所建立的解析模型，以永磁体极弧宽度、定子槽口宽度和转子端部磁桥厚度为优化变量，以特定阶次频率的径向力波、转矩和效率为优化目标，利用带精英策略的非支配排序遗传算法，对一台电动汽车用内置式永磁同步电机样机进行多变量多目标优化。研究结果表明：与试验结果相比，解析计算误差小于5%，而计算时间较有限元仿真缩短90%以上；优化后，电机特定阶次频率的径向力波减小了9.2%，最大转矩提升了2.49%，最大效率提升了0.69%，高效区面积扩大了约54.46%；所提方法既解决了内置式永磁同步电机强非线性和高饱和的解析建模共性难点，又极大提高了电机多目标优化效率；研究可为电动汽车用内置式永磁同步电机的优化设计提供方法参考。

新能源汽车尤其是电动汽车已在全球范围内得到广泛推广应用，从而带来了巨大的充电需求。同时，部分充电站规划不合理导致充电站空间布局和服务容量与实际充电需求不匹配，充电站利用率低和用户充电不便并存的现象已经成为了电动汽车产业痛点。充电站的合理布局规划是优化电动汽车使用体验和充电体验、降低用户“里程焦虑”、提高充电桩利用率、优化城市电动汽车交通网络和电力网络的关键，也成为当前电动汽车及智能交通领域急需解决的问题。为提供该领域较为全面的综述视角，首先概述电动汽车充电站的发展情况、设施类型、相关标准，总结从“车端”、“站端”出发的电动汽车充电需求估计方法，然后从选址、定容、求解算法维度分析充电站规划模型，列举国内外在多优化目标、多约束条件、多阶段规划的覆盖模型、截流模型等规划模型中的研究成果，以及在各经典模拟网络和实际城市环境中的测试、应用情况，最后对目前充电站规划领域存在的充电需求估计准确性、充电站与未来需求的匹配度等问题进行总结，对“车-桩-路-网”互联时代下充分利用电动汽车的分布式储能、灵活充放电的特征进行有序充电引导、新能源消纳、电网削峰填谷的协同规划发展应用前景进行展望。

为实现智能网联车辆在高速公路动态行车环境下的轨迹实时规划，提出一种基于状态空间采样的轨迹动态规划方法。首先，以安全性为原则选取主车当前行驶的理想车道。基于Frenet坐标与笛卡尔坐标的转换关系，建立车辆运动横、纵向解耦的独立积分系统。将高速公路常见的行驶状态分为车道保持与定速巡航、变道以及前车跟随3类，预测主车行驶车道并针对3类行驶状态分别设计轨迹终端的目标配置方法。然后，利用多项式函数生成连接初始配置和目标配置的多条待选轨迹。构建考虑轨迹偏离理想车道程度、始末速度变化、规划周期和轨迹舒适性的综合损失函数，结合速度、加速度、曲率检查来评价各条待选轨迹的成本并进行排序。最后，预测车辆的横、纵向运动轨迹并构建一种胶囊形的车辆虚拟安全边界，通过碰撞检测，确定主车的最优轨迹，设置动态规划触发条件及时更新最优轨迹并避免过度规划浪费资源。研究结果表明：提出的算法能满足高速公路场景的动态规划需求；通过对轨迹规划周期、虚拟安全边界、动态规划时间间隔等关键参数的分析与优化，主车的横摆角速度范围稳定在-0.1~0.15 (°)·s^-1，横向加速度范围稳定在-0.16~0.32 m·s^-2，跟踪参考轨迹的最大误差不超过0.022 m，提出的算法能规划出具有高安全性、稳定性和舒适性的轨迹。

动态路径规划是自动驾驶汽车避障控制的关键技术。针对自动驾驶汽车弯道超车工况，建立基于改进人工势场(Artificial Potential Field, APF)的动态路径规划方法。为使基于APF的动态路径规划方法能运用于包含弯曲道路的复杂交通环境，将已在直道环境验证过的道路APF函数通过极坐标系与笛卡尔坐标系的相互转换，建立考虑道路曲率的弯曲道路APF函数。针对根据车辆质心位置判断车辆碰撞风险方法存在的缺陷，提出考虑车辆体积的碰撞风险预判方法，建立综合考虑车辆位置、速度和体积的障碍车辆APF函数。基于弯曲道路APF和改进障碍车辆APF，建立道路环境综合APF，引导车辆实现弯道超车。为避免目标函数中子目标相互干涉，提高弯道超车安全性，提出根据本车与障碍车辆相对位置关系自适应调整权重矩阵的方法。基于Carsim/Simulink联合仿真平台，分别在静态障碍车辆和动态障碍车辆2种工况下，验证自动驾驶汽车弯道超车动态路径规划的有效性。研究结果表明：所建立的弯曲道路APF能引导车辆转弯行驶，避免冲出车道；目标函数权重自适应调整方法能根据超车过程动态调整子目标的权重，规划出符合道路交通安全法规的路径，避免车辆超车时提前折返原车道，提高了超车安全性；考虑车辆体积的障碍车辆APF提高了车辆碰撞风险的预判精度，有效避免碰撞事故发生。

无人驾驶决策算法可以分为端到端的决策算法与分层式决策算法，分层式算法由于可解释性强、鲁棒性高而被大多数主机厂采用。规划模块是分层式决策算法中的核心模块，它承接感知与地图模块的信息并输出驾驶轨迹或动作，而人工势场法由于规划效率高、信息提取能力强，被越来越多地应用于无人驾驶决策规划领域。但现阶段的人工势场存在未考虑目的地因素或建立目的地单点引力场导致远距离引力过大、方向错误的问题，无法应对复杂交通环境。针对这些问题，提出一种无人驾驶“行车意图-风险复合场”(Driving Intention & Risk Field, IRF)，根据目的地、车辆、道路边界等要素各自的特点分别建模，并以势场的形式统一在IRF中。创建考虑全局规划的全局引力场，将全局规划路径离散成等距离的路径点，并动态选取感兴趣范围内的路径点进行全局引力场的构建。为了验证模型的性能，搭建IRF-SAC动态规划算法平台，并在CARLA仿真环境分别设置高速公路场景、十字路口场景和环岛场景。研究结果表明:相比于NF-SAC和FSM，IRF-SAC算法在安全性、舒适性、通行效率上均有显著提升；在高速公路场景下，IRF-SAC显示出较强的路径跟踪精度和鲁棒性，最大位移偏差相对于NF-SAC和FSM算法分别下降了44.8%、70.2%；在十字路口场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低12.0%、20.6%，纵向加速度均方根分别降低13.2%、44.9%，行驶时长相较于FSM算法减少了39.2%；在环岛场景下，与NF-SAC及FSM算法相比，平均危险系数分别降低了31.7%、52.9%，纵向加速度均方根分别降低了27.0%、19.0%。

电动汽车复合制动由电机再生制动与机械摩擦制动两部分构成，其控制性能直接影响车辆的能量利用效率、制动安全性以及舒适性。围绕静态制动转矩分配控制、动态复合制动协调控制、制动换挡控制、智能辅助驾驶中的复合制动控制4个方面的研究现状与关键技术展开综述，并对复合制动控制未来研究方向进行了展望。对文献的梳理分析表明：制动转矩分配决定着复合制动系统能量回收能力与车辆制动稳定性，基于规则的分配策略面对复杂多变工况自适应性欠佳，而基于优化的分配策略各方面性能表现良好，但需要兼顾控制实时性与优化效果；利用电机响应迅速与控制精确的优势完成复合制动协调控制，能够提升制动模式切换过渡工况与紧急制动工况的控制性能，改善驾驶舒适性；制动过程中实施合理换挡可以进一步提升能量回收效率，同时通过补偿控制解决换挡过程中动力中断和转矩冲击等问题，保证换挡平顺性；随着电动汽车智能化和网联化发展，复合制动控制与驾驶人辅助系统相结合有助于在保证系统功能的同时实现能量回收效益最大化。

氢燃料电池汽车（FCV）是未来交通运输的理想解决方案，由于其在使用过程中仅消耗氢气，寻找对资源、能源和环境影响最小的氢气来源，对交通运输行业的节能减排具有重要意义。分析和评估了4种不同的制氢方法，通过建立FCV燃料循环的全生命周期评估数学模型，并与GaBi软件的基础数据库相结合，实现对FCV的全生命周期评价。选择丰田MIRAI FCV作为实例对象，对所建立模型的有效性进行验证。基于建立的评价模型，对FCV生命周期的各个阶段进行评价，探讨不同制氢方法对资源、能源和环境的影响，研究中国电力结构和制氢效率改进对电解水制氢法的积极作用，分析了以不同清洁能源作为电力来源时对电解水制氢法的影响程度。在对中国的人口、能源分布情况和能源结构变化趋势进行分析后，结合建立的清洁能源电价预测数学模型，提出了短期内适合推广FCV的区域，明确了考虑环境成本时的各区域推荐的制氢方法或清洁能源发电类型，给出了考虑经济成本时的各区域在当前和未来30年内推荐的清洁能源发电类型。通过所建立的生命周期评价模型和清洁能源电价预测模型，确定当前阶段的最佳制氢方法，发现了中国当前电力结构存在的问题，明确未来中国各地区能源结构发展的方向。研究结果表明：只有以清洁能源发电作为电力来源时，电解水制氢法才是未来大规模制氢的理想方案，清洁能源使用优先级顺序为核能、水电、风能；人口密度小于150人·km^-2的地区（除中心城市外）未来一段时间内不应大面积推广FCV，推广的重点应该在中国的东南部地区。

针对高分辨率遥感影像道路提取难度大、提取精度低的问题，提出了一种基于VGGU-Net++的遥感影像路网检测方法。首先基于VGGU-Net框架构建了编码器-解码器网络；其次，设计了一系列嵌套、密集的卷积块，用以缩小编码器与解码器特征映射之间的语义差距。节点之间利用跳跃连接填充了具有多个卷积层的密集卷积块，其层数取决于金字塔等级；并在2个卷积块之间设置1个串联层，该层将同一密集块前一个卷积层的输出和浅层的上采样输出进行特征图融合。同时，使用深监督策略保证网络模型的修剪程度和速度增益。在网络训练过程中，这种相似语义特征图的跳转连接可以简化优化操作，提高网络训练性能。最后，利用遥感影像开源数据集——马萨诸塞州数据集进行算法的测试与验证。结果表明，提出的VGGU-Net++网络与现有同类方法相比，获得了更好的性能表现，在精确率、召回率、F₁-score和I_oU方面分别达到了88.1%、87.1%、88.5%和77.9%，能够实现城市、山区、直线、弯曲道路场景高维、复杂、抽象特征的自动提取；此外，检测结果能够减少干扰，降低误检，保留更多道路细节信息，得到更加完整、清晰的路网检测效果。

激光雷达是自动驾驶车辆最为关键的传感器之一，被广泛用于车辆定位、目标检测与跟踪等任务。然而，激光雷达的点云数据会受到恶劣天气（如雨、雾、雪等）的严重影响，致使自动驾驶全天候行驶仍然面临着巨大挑战。为了量化评估恶劣天气对激光雷达性能的影响，分析了降雨环境下激光雷达的性能，基于构建的场地降雨模拟系统控制降雨量，通过多视角的静、动态试验定性与定量分析激光雷达测距精度、典型目标点密度、有效检测距离等性能参数与降雨量之间的关系。试验结果表明：车辆作为目标物时，目标物上的激光点云受降雨的影响最大，相较于无雨环境，中雨时打在汽车上的激光点数降低幅度超过了60%，检测距离下降了69%，并且随着降雨量的增大激光雷达对目标的有效检测距离持续下降；试验方法和结果对于测试评价自动驾驶性能及提升降雨环境下的激光感知能力具有重要意义。

双腔室空气弹簧以其优良的隔振性能及刚度可变特性已经在部分高端车型和赛车上得到应用，但是对其动刚度预报的精确模型及动态特性的深入研究还不够完善。基于能量原理从热力学角度出发，结合空气动力学及结构动力学给出一套双腔室空气弹簧的精确模型并给出各刚度、阻尼项明确的物理意义。设计示功试验，选取不同振幅和频率的正弦激励对双/单腔空气弹簧进行试验验证。试验结果表明所提动刚度模型能够很好地反映出双腔室空气弹簧的滞回特性及刚度可变特性，也能够明确反映出动刚度的频率相关性。最后基于模型给出各参数项对动刚度幅值和滞回相位角的影响规律，基于试验验证仿真结果并给出规律的物理解释。研究结果表明：单腔室空气弹簧的动刚度频率特性相位角仅因热交换而存在一个峰值；双腔室空气弹簧的动刚度相位角存在2个峰值，主要是由热交换(第1峰)与小孔产生的阻尼效应(第2峰)导致；当激励频率趋向于无穷时，由于热交换不充分及腔室之间气体来不及进行交换，故单/双腔室空气弹簧的动刚度相位角逐渐趋向于零；研究得出的模型预报方法及动态特性可以对单/双腔室空气弹簧的动刚度进行准确估计，并给出了其动刚度的频率相关性及其影响因素与变化规律。研究结论能够对空气弹簧的整车动力学匹配及设计提供正面的指导。

新能源汽车的能耗及其经济性与行驶工况高度关联。为了对新能源汽车的能耗进行合理评估，以西安市为例，分别应用聚类分析法、聚类马尔可夫分析法、短行程车速-加速度(Velocity-Acceleration,V-A)矩阵法和变步长V-A矩阵法构建城市客车运行工况，并进一步提出基于自组织映射(Self-organizing Maps,SOM)神经网络聚类的V-A矩阵法。对5种方法构建的工况进行对比和误差分析。在此基础上，基于一款插电式混合动力城市客车，应用全局优化方法——庞特里亚金最小值原理设计能量管理策略，分析车辆能耗和经济性以及5种工况的优缺点。研究结果表明：聚类分析法构建工况的平均特征值误差最大，计算量较大；变步长V-A矩阵法的平均特征值误差小于聚类法，计算量最小；短行程V-A矩阵法与变步长V-A矩阵法误差接近；聚类马尔可夫法的误差居中，计算量最大；基于SOM聚类的V-A矩阵法的平均特征值误差最小，能反映不同路段以及运行时间的差异，且能在聚类之后快速提取短行程的同时兼顾速度和加速度的分布；从能耗角度来看，基于SOM聚类的V-A矩阵法的能耗在5种方法中居中；聚类分析法构建的工况平均车速低于其他工况，但加减速频繁，能耗成本最高；聚类马尔可夫法由于对车速进行平滑处理，加减速频繁程度最小，能耗成本最低。

路径规划及路径跟踪控制是智能汽车研究的关键技术，而复杂、时变的交通环境给智能汽车的路径规划与跟踪提出严苛要求。针对现有局部路径规划方法只适用于较为简单的工况，无法应对多车道、多静/动态障碍等复杂工况的问题，提出一种基于离散优化思想的动态路径规划算法。该算法利用样条曲线曲率变化均匀的特性，在s-ρ曲线坐标系中生成了一组参数化候选路径簇；考虑动态碰撞安全影响，在碰撞带约束下结合道路法规限制及车辆动态安全要求，规划车辆速度；此外，综合考虑静态安全性、舒适性、目标车道、道路占用率等影响因素，以选择最优路径。在路径跟踪层面，基于预瞄理论设计鲁棒性好、跟踪精度高的分数阶PID路径跟踪控制器，以跟踪误差最小为目标，采用粒子群优化算法对分数阶PID控制器参数进行整定。最后，基于Simulink/CarSim建立联合仿真平台，设计多车道，多静/动态障碍的复杂工况以验证该算法的有效性。研究结果表明：由于在评价函数中引入动态安全评价指标、目标车道评价指标以及道路占用率指标，极大地提升了规划器性能，使车辆在行驶过程中根据驾驶环境自主调整速度，降低换道次数，从而保证智能汽车的主动安全性能，提升了通行效率，使该算法能够较好地处理复杂动态环境下的避障问题。

自动驾驶汽车进行大规模市场推广前必须进行准确可靠的安全性评价，由于自动驾驶系统复杂程度的增加及设计运行区域的扩大，面向传统汽车的评价方法已不能满足自动驾驶汽车的安全性评价需求,基于此，建立一种基于自然驾驶数据的自动驾驶汽车安全性评价方法，可解决现有方法在逻辑场景层面安全性评价的缺陷。首先，建立基于自然驾驶数据的逻辑场景构建流程，分析场景描述参数，搭建自然驾驶数据采集平台采集相关自然驾驶数据，采用高斯分布模型描述参数概率分布；进而，离散逻辑场景参数空间获取具体测试用例，并在建立的PreScan、CarSim和MATLAB联合仿真平台中对被测自动驾驶算法进行仿真遍历测试，通过高斯模型将测试结果中的危险场景参数聚类，获取被测算法在逻辑场景中的危险区域；最后，综合考虑逻辑场景参数空间概率分布和得到的相应逻辑场景危险区域，提出基于自然驾驶数据的自动驾驶汽车安全性评价指标——场景风险指数，并以前车制动和前车切入场景为例，给出某黑盒算法的具体评价示例。研究结果表明：被测算法在前车制动场景和前车切入场景中的场景风险指数分别为0.409 8和1.08×10^-5，在前车制动场景中具有较大的安全风险，与仿真测试的直观结果相符；通过比较计算得到的场景风险指数与实际仿真测试结果可证明所提出的方法可以实现逻辑场景层面的自动驾驶安全性量化、易于操作、贴近自然驾驶情况。

为了解决智能分布式驱动汽车路径跟踪与制动能量回收系统间的协同控制难题，充分考虑分布式驱动汽车四轮扭矩独立可控在智能驾驶系统中的优势，设计适应不同路面附着条件的智能分布式驱动汽车转向、制动分层协同控制策略。上层控制器依据不同的路面类型设计差异化的多目标代价函数，以综合优化各工况下的控制目标。高附路面下，制定满足最大能量回收值的全局参考车速，在线优化路径跟踪指令，实现最优能量回收的同时减小系统运算负荷；低附路面下，优先考虑车辆的路径跟踪性能和行驶稳定性，在多目标代价函数中取消对全局参考车速的跟随要求，增设终端速度约束与能量回收项性能指标并减小能量回收项性能指标的权重系数。上层控制器基于模型预测控制方法对多目标代价函数进行滚动优化与预测求解，得到期望的前轮转角及4个车轮的总制动扭矩需求。下层控制器根据制动扭矩需求对四轮的液压制动扭矩和电机制动扭矩进行分配，最终完成整个复合制动过程。基于MATLAB/Simulink和CarSim软件，搭建控制器在环仿真平台，并在高附和低附路面条件下对所提出的策略进行试验验证。研究结果表明：高附路面下，所提出的控制策略在准确跟踪期望路径的同时相较固定比例制动力分配方法可提升2.7%的能量回收值并减少约0.02 s的单次计算时间；低附路面下，与使用高附控制策略相比，能够保证车辆的路径跟踪准确性与行驶稳定性，同时可提升7.8%的能量回收值；控制器在环试验结果证明了该协同控制策略对车辆性能提升的有效性。

当路面附着情况和车辆行驶状态不断变化时，基于恒定侧偏刚度的模型预测控制(MPC)不能考虑轮胎非线性特性的影响，难以保证车辆轨迹跟踪的适应性。为此，提出一种考虑轮胎侧向力计算误差的自适应模型预测控制(AMPC)，以提高智能汽车在不确定工况下的轨迹跟踪性能。分析了路面附着系数和垂向载荷对轮胎侧向力的影响，基于平方根容积卡尔曼滤波(SCKF)算法，设计了利用侧向加速度和横摆角速度作为测量变量的前后轮胎侧向力估计器。利用轮胎侧向力线性计算值与估计值的差值计算得到侧偏刚度修正因子，设计了前后轮胎侧偏刚度的自适应修正准则，进而提出了一种基于时变修正刚度的AMPC控制方法。基于CarSim与MATLAB/Simulink联合仿真和硬件在环测试平台，对AMPC控制的有效性和实时性进行了验证。研究结果表明：在不同的路面附着情况和车辆行驶状态下，AMPC控制都能够降低横向位置偏差和航向角偏差，有效提高车辆的轨迹跟踪精度，其控制效果明显优于基于恒定侧偏刚度的标准MPC控制。尤其在低附着工况下，标准MPC控制会因为线性轮胎力的计算误差过大而导致车辆在轨迹跟踪时严重失稳，而AMPC控制通过估计轮胎力修正侧偏刚度依然能够保证车辆稳定有效的跟踪参考轨迹。所提出的AMPC控制在保证控制精度的同时具有良好的实时性，对智能汽车控制系统的设计与优化具有重要参考价值。

路径规划是自动泊车系统的重要组成部分，是确保泊车运动安全、缩短行车距离、提高乘坐舒适性的关键。而当前自动泊车规划系统往往面临行驶空间狭小、障碍物多、路径搜索难度大等技术挑战，同时搜索曲线半径固定容易导致路径接点处曲率不连续，增大了路径跟随控制难度和轮胎磨损程度，这些都提升了泊车路径规划的研究难度。针对以上问题，设计可变半径的Reeds-Shepp曲线，提出基于混合A^*和该曲线的自动泊车路径规划方法，通过调整曲线半径，提升其在复杂场景下路径的搜索能力和灵活性。随后，设计基于分段贝塞尔曲线和梯度下降的路径优化方法，利用其多阶导数连续的优势优化已搜索的路径曲率，并采用梯度下降来保证路径曲率大小和对障碍的规避，解决直线与圆弧相接等位置曲率变化不连续的难题。结合路径搜索与路径优化的泊车规划方法能够切实满足复杂场景下的泊车需要。最后，基于团队自主研发的PanoSim虚拟系统与MATLAB搭建联合仿真环境，针对多种自动泊车工况测试验证提出的方法。研究结果表明：调整Reeds-Shepp曲线的搜索半径进行全局路径搜索，可获得更短和更易跟随的路径，具有良好的灵活性；基于贝塞尔曲线和梯度下降法的路径优化可有效消除曲率突变点、约束路径曲率并保证对障碍的无碰撞要求。

自动驾驶汽车在开发过程中需要进行全面的测试以确保其安全性，关键场景是有条件和高度自动驾驶汽车进行安全测试验证的重要基础。首先，针对测试场景参数离散化全组合后测试用例数量巨大的问题，分别采用3路定强度和变强度组合测试策略及场景初筛规则，以自动驾驶主车直行通过无信号灯十字路口及周围2辆干扰车的测试场景为例，使测试用例数量从全组合的3.9×10⁷组分别减少到6 525组和26 496组。其次，采用碰撞时间、后侵占时间和最大减速度作为场景关键性识别和评价指标。利用基于动态安全区域的避障策略和基于模型预测控制的自动驾驶主车运动规划与控制模型，以及搭建的基于MATLAB/Simulink和CarSim软件的自动驾驶汽车联合仿真平台，通过仿真并与安全指标阈值比较，获得数量大幅减少的关键测试用例。最后，采用基于加权欧氏距离的K-medoids聚类方法对变强度组合策略获得的2 234组关键测试用例进行聚类，获得9组典型关键测试用例。研究结果表明：碰撞时间、后侵占时间和最大减速度指标阈值可以用于识别十字路口场景关键性；相对3路定强度参数组合策略，变强度参数组合策略提供了更多的关键测试用例，对其随机抽样获得少量随机关键测试用例；随机和典型关键测试用例可以应用于封闭试验场验证无信号灯十字路口自动驾驶汽车直行运动规划的安全性。