针对传统儿童座椅安全性开发过程依赖仿真和物理试验结果，成本高、效率低等问题，通过构建标准工况下的简化高精度耦合模型高效生成训练数据集，融合碰撞脉冲的时域、频域及二阶波形拟合特征，利用基于深度多层感知机的智能预测模型对头部损伤指标（HIC）、头部加速度、颈部张力和胸部加速度4项安全指标进行快速预测。新车型验证结果表明，模型平均预测精度达93.3%，可支持儿童座椅安全性快速开发，具有良好的工程实用性。

为降低新能源汽车在后碰撞中的高压电安全风险，针对某混合动力SUV车型在FMVSS 305规定的80 km/h车速工况下的后碰撞高压电安全风险问题，在零部件层面，通过设计准静态挤压和动态冲击零部件试验，获得智能电力系统（IPS）模块不同载荷类型下的极限承载力，在整车结构优化层面，通过后碰撞传力路径优化、IPS模块碰撞模式改进，设计了后纵梁结构向上折弯诱导策略使IPS模块受平面挤压，仿真结果表明，优化后IPS模块碰撞力由137 kN下降至49 kN，降低64%，低于其极限承载力。

为解决车辆小偏置碰撞工况侧滑运动问题，建立了整车两自由度一阶运动模型，据此提出整车分段侧滑运动规划方法，并开发了小偏置碰撞工况整车侧滑运动规划软件。试验结果表明，所提出的规划方法使车辆侧滑量增大了30%，成功实现侧滑，车辆结构评级由良好（A）提升至优秀（G），提升了小偏置碰撞结构安全性能。

为提高某纯电SUV在极限工况下的车体耐撞性，基于碰撞能量管理方法，对该车型在中国保险汽车安全指数（C-IASI）侧面碰撞与载货汽车侧面碰撞两种工况下进行仿真，对比分析了车体传递路径、关键结构承载目标设定、结构变形与失效模式等，并针对载货汽车侧面碰撞极限工况进行车身结构优化，仿真与实车验证结果表明，优化后极限工况下的车体耐撞性显著提升。

针对传统统计方法在大规模交通事故数据分析中计算效率低、致因识别能力有限的问题，从特征工程、人因分析与分类系统（HFACS）框架映射、事务型结构转换等5个方面提出了一种基于HFACS框架与并行Apriori算法结合的交通事故致因分析方法。验证结果表明，与传统统计分析方法相比，所提出的方法可有效提升大规模交通事故数据致因分析的效率和准确性，能够为交通事故预防与安全管理提供更加科学的数据支持。

针对静态路径规划方法在地下停车场车位引导中难以响应动态交通状况，易引起局部拥堵的问题，提出一种面向智能网联汽车（ICV）的停车场车位引导方法。该方法充分利用车联网（V2X）通信技术实时获取车位状态与车流信息，基于时间窗模型预测车辆行驶过程中的潜在时空冲突，并依据预设的优先级规则协调车辆通行。为解决冲突引发的拥堵问题，将预估的冲突等待时间量化为受影响路段的动态边权增量。在此基础上，融合D*Lite算法进行路径重规划，以优化车辆的引导路径。基于真实停车场结构建模的仿真测试结果表明，相较于传统方法，所提出的方法在不同场内饱和度条件下均显著降低了车辆的平均寻泊用时，有效提升了停车场的整体停车效率。

针对重型载货汽车在爬坡工况下燃油消耗量大的问题，综合发动机转速、扭矩等参数建立了兼顾精度与实时性的燃油消耗量预测模型，并提出一种基于预见性自适应巡航控制（PACC）的分层架构：上层利用动态规划（DP）算法规划全局最优经济车速；下层基于模型预测控制（MPC）算法进行二次速度规划，在确保安全跟车的同时进一步提高经济性。实车试验结果表明，该方法可使载货汽车燃油消耗量平均降低1.5%。