为保证自动驾驶仿真测试的可重复性和测试结果的可靠性，针对自动驾驶仿真软件性能一致性验证与优化问题，在系统分析自动驾驶仿真软件性能一致性问题定义及潜在原因的基础上，基于Unity和虚幻引擎（Unreal Engine）搭建自动驾驶仿真测试平台，并完成了静态场景和动态场景的搭建，以及测试用例、数据处理脚本、自动化测试脚本和整体试验流程的设计，通过非一致性偏差对基于Unity和Unreal Engine的仿真测试平台的结果进行量化，受仿真系统软硬件等各方面因素影响，在多次测试中存在显著的非一致性偏差，体现在最大轨迹偏差达到15%，针对发现的偏差，提出了包括进程优化、电源模式优化等多种优化方案。试验结果表明，所提出的优化措施将偏差降低40%以上，提升了仿真测试的可靠性和一致性。

为正确理解自主代客泊车（AVP）系统及其局限性，确保其预期功能安全（SOTIF），结合ISO 21448和系统理论过程分析（STPA）方法，提出AVP系统SOTIF分析流程。阐述了系统安全与触发条件，并将触发条件分层，结合模糊综合评价模型搭建SOTIF场景；以碰撞距离风险、碰撞时间风险和制动减速度风险为评价指标，采用基于指标相关性的指标权重确定方法（CRITIC）和优劣解距离法（TOPSIS）完成指标赋权及评价；最后，通过实车测试获得不同场景下AVP系统的SOTIF得分，明确不安全场景，以期针对性地指导产品优化。

针对智能网联汽车测试中超薄承载机器人（UCR）在复杂测试场景下路径追踪能力受限的问题，提出了一种改进的斯坦利（Stanley）横向运动控制算法。首先基于阿克曼转向原理建立UCR的运动学模型，并采用自行车模型简化UCR的转向系统，然后，在传统Stanley算法基础上引入模糊PID控制器以增强算法的自适应反馈能力。CarSim与MATLAB/Simulink联合仿真结果表明，相较于传统算法，改进后的Stanley算法在不同速度下的平均横向误差平均下降了50.67%，最大横向误差平均下降了41.76%。实车测试进一步证实了改进算法在中高速直线与变道场景下性能良好，平均横向误差均小于0.05 m，最大横向误差均小于0.17 m，满足智能网联汽车在不同场景下的测试要求，实现了对UCR的高速、高精度横向运动控制。

为提升商用车移动信息系统（MOIS）测试评价的系统性与全面性，通过对商用车MOIS的测评需求进行分析，梳理了其工作原理，并提出具体的测试评价方案和改进措施，以采用相同MOIS感知识别方案、不同尺寸的商用车为测试样车，在不同目标物、盲区位置及偏置率条件下对MOIS的报警触发及结束时机、报警持续距离等进行了测评分析，结果表明：在不同尺寸的商用车上搭载相同方案的MOIS，均能满足法规要求，系统对前向盲区的监测效果呈现右侧>左侧>中间的趋势，且当车辆与前方纵向目标物一起移动时，尺寸较大的车辆盲区监测效果更好。

针对不同类型车联网通信技术在典型交通环境下的应用需求，基于封闭测试场完成了第五代移动通信技术（5G）、增强型超高吞吐（EUHT）、基于长期演进的车联网（LTE-V2X）3种车联网通信网络测试平台的搭建，设计了全场性能测试、动静态性能测试、车路通信性能测试、车车通信性能测试4种测试方案，以通信时延、数据包投递率、吞吐量为评价指标，对各种车联网通信网络在不同通信距离、不同行驶车速、车路通信上行、下行、上下行混合传输、端到端车车通信等典型应用场景下的性能表现开展了实车测试验证与对比分析。测试结果表明，3种网络均能满足一般动态交通环境下的车联网应用需求，其中5G性能最好，EUHT次之，但在部署成本与难度方面，LTE-V2X具有较大的优势。

为提高干线物流自动驾驶运输的安全性和可靠性，从设备运行、系统功能和整体效果测试3个方面总结干线物流自动驾驶系统的测试需求，并从前置测试、系统软件在环测试、系统基本功能及性能测试、系统运行效能测试与评估4个方面进行测试方案设计。前置测试完成系统的基本运行条件确认，软件在环测试开展具体场景下的软件功能测试，系统测试实现实际运行场景下的集成系统功能和性能测试，最后，通过系统运行效能测试与评估体系指导完成系统实际运营中的效能评估。