为了保证混合动力车队行驶过程的安全性、舒适性并提升燃油经济性，提出了一种基于智能交通系统的混合动力车队分层控制策略。上层控制器利用车-车（V2V）通信技术，采用非线性分布式模型预测控制（NDMPC）进行速度优化控制，计算最优车速；下层控制器获取上层车速，采用深度确定性策略梯度（DDPG）强化学习算法进行能量管理，并嵌入了发动机最佳经济曲线与电池特性曲线作为专家经验提升算法收敛性与稳定性。结果表明，该策略下车距的最大相对误差为4.83%，车队平均加速度为0.331 m/s²，与下层采用深度Q学习（DQN）算法对比，燃油消耗量平均减少了14.25%，最大减少15.30%，相比于 DP算法平均只增加了8.31%，在保证安全性和舒适性的同时，有效提升了车队的经济性。

欧洲新车评价规程（Euro NCAP）是指导消费者选车购车的重要参考，也是引领全球汽车安全技术进步的风向标。深入解读了Euro NCAP测评规程的最新动向，并对最新测评结果进行了对比分析。针对汽车安全防护测评体系划分问题，调研了从安全驾驶、碰撞规避、碰撞防护到碰撞后安全的汽车行驶全流程测评技术研究进展。梳理了当前主流测评体系的测评现状，探讨了主流车型的表现及特点，对我国汽车安全测评体系改进及自主品牌出海战略具有现实指导意义。

“双碳”背景下，集成式电驱动桥成为商用车电动化转型的重要路径之一。介绍了商用车集成电驱动桥典型构型和布局，针对商用车细分领域复杂多样问题，分别对客车、轻卡、皮卡以及中重卡应用场景的电驱动桥适用性进行分析。从电机、逆变器以及变速器3个驱动桥核心组成方面，阐述了近年来商用车电驱动桥关键技术取得的研究进展，并对关键技术带来的挑战和前景进行了展望，以期为商用车集成式电驱动桥系统开发和应用推广提供参考。

针对传统通道型电池液冷板压降高和均温性差的问题，采用多目标拓扑优化方法对液冷板进行优化设计。通过试验建立电池产热模型，基于变密度法构建液冷板拓扑优化模型，研究了不同进出口位置布置形式对拓扑优化后液冷板的性能影响，从中优选出性能最佳的液冷板，并将其与传统直通道液冷板对比分析。结果表明，不同进出口位置布置形式下得到的拓扑通道在温度和压降性能方面差异较大，当进出口布置在沿液冷板长边中心对称线时，拓扑优化后的液冷板具有最好的综合性能，其与直通道液冷板相比具有更强的流动换热性能，在入口流量为5 g/s时，最高温度、温度标准差和压降分别下降了1.38%、22.35%和28.36%。这种新型液冷板可为后续电池热管理系统散热设计提供新思路。

针对前车切入的突发性和现有的驾驶辅助系统在前车切入场景中存在预警准确率低和预警不及时的问题，设计了一种基于前方车辆换道意图识别的汽车切入防撞预警模型。利用车车通信将相邻前车换道意图发送给后方车辆，后方车辆预测并基于前车换道轨迹进行碰撞检测。提出碰撞时间TTC-S，又对避险时间TTA进行重新分析和计算，设计了分级预警策略。为验证防撞预警系统的有效性，搭建基于Simulink和PreScan的联合仿真平台进行测试。结果表明，防撞预警模型在预警测试中的平均正警率为90.32%，与Mazda模型和传统TTC模型相比，平均正警成功率分别高出8.44% 和11.66%，同时平均预警提前时间分别为1.42 s和1.9 s，安全系数更高。

针对智能车建图时常出现粒子的快速收敛、粒子多样性下降以及传统DWA算法常出现陷入局部最优解问题，提出基于K-Means分层重采样的改进Gmapping算法及基于融合A*和考虑转弯稳定性的改进DWA路径规划算法。改进Gmapping算法通过K-Means算法，将粒子集合划分为高、中、低权重3类粒子集合，结合合理的粒子权重设置，延缓粒子多样性衰退以提高建图准确性。通过增加考虑角速度大小的自适应速度评价函数和角速度评价函数，将A*全局路径转折点作为关键点，并融合A*与DWA算法以提高DWA算法全局寻优能力。仿真和实车试验结果表明，改进Gmapping算法在构建栅格地图时，平均有效粒子数提高4.6%，在设定场景下，改进DWA算法使智能车全局路径转折次数减少67%、搜索节点减少37.5%，有效提高智能车转弯稳定性。

针对目前基于大数据平台构建电动汽车载荷谱时典型数据难以确定、线上低采样率数据与实际载荷损伤一致性较差的问题，提出一种强用户关联的电动汽车驱动系统载荷谱编制方法。基于大数据平台，从道路类型、驾驶风格、载重、车速、转矩5个维度进行用户画像，根据用户画像结果，提出一种基于全局最优配对的线上数据筛选方法，从平台获取用户典型数据集，同时提出一种基于约束的片段拼接方法对数据集进行有序拼接，实现载荷谱与用户的多特征关联。针对线上低采样率数据与实际载荷损伤一致性差的问题，结合实车采集数据，通过融合线下高采样率数据增强载荷谱与用户的损伤等效。由特征值匹配度结果可知，采用该数据筛选方法获得数据集与用户在各特征参数下的偏差率均在0.05左右，且最大不超过0.15；载荷谱损伤计算结果表明，线上低采样率和线下高采样率数据相融合的方法可有效增强载荷谱与用户的损伤等效。

自动驾驶汽车行驶过程中，外部环境引发的行驶风险会导致乘员产生不信任感，影响其对自动驾驶汽车的接受度。而准确量化乘员主观感知风险为降低行驶过程中的主观感知风险提供了理论依据，对于设计和评估自动驾驶汽车的行为至关重要。以超车场景为切入点，通过构建预测乘员主观感知风险的逻辑回归模型，探讨了不同场景客观风险指标与主观感知风险之间的定量关系。通过实车道路试验采集了92个超车片段数据，并归纳出7个场景客观风险指标。以通过假设检验的5个场景客观风险指标为自变量，乘员主观感知风险的二元分类为因变量，建立了逻辑回归模型。模型分析结论表明，与乘员主观感知风险显著相关的指标为相邻区域风险S、碰撞时间t_{\mathrm{c}\mathrm{o}\mathrm{l}}和车头时距t_{\mathrm{h}\mathrm{e}\mathrm{a}\mathrm{d}}，其中，相关性最大的指标为车头时距t_{\mathrm{h}\mathrm{e}\mathrm{a}\mathrm{d}}。为评估模型的预测性能，利用ROC曲线确定预测模型最优截断值为0.462，并基于HighD数据集验证了在该截断值下模型的分类准确率达到89.1%。还应用预测模型分析结论，针对超车场景中乘员主观感知风险过高的问题制定了3种优化驾驶策略，并通过驾驶模拟器试验综合对比了各策略在影响通行效率和主观感知风险两方面的效果，证明了模型分析结论的合理性。

针对汽车ECU远程升级失败时，现有回滚方法效率低下、鲁棒性弱的问题，设计了一种高效且稳定的升级回滚策略。提出优化的回滚备份方法和完备的安全校验策略，以提升回滚过程的稳定性。考虑传统全量回滚耗时较长，提出采用改进Bsdiff差分算法的差分回滚技术，利用压缩性能更高的LZMA2压缩算法，并优化差分包的数据格式，显著提升回滚效率。在实车上对所设计的策略进行测试，结果表明，采用改进差分算法的回滚策略能将回滚时间缩短84.69%，测试用例通过率为100%，确保汽车ECU在升级失败时车辆功能不受影响，同时提高了回滚效率。

针对车载软件易用性用户体验评价过程中其结果缺少客观定量数据支撑的问题，提出了一种基于主客观数据的车载软件用户体验评价方法，将目标用户体验过程中的主观心理量和客观生理量作为汽车车载软件的评价指标。招募20名目标用户，使用头戴式眼动仪、手指操作轨迹跟踪分析系统和满意度量表，采集用户在3款车载软件体验评价过程中的眼动数据、手指运动数据以及主观评价值。通过D-Lab软件和EthoVision XT软件对眼动和手动数据进行处理，建立了结合心理和生理评价指标的车载软件用户体验多维综合评价模型，并对此评价模型进行了验算，结果表明，车载导航软件体验评价效果最好，车载空调软件其次，车载媒体软件最差。