针对现有混合A*路径规划算法过于依赖分辨率、路径与障碍物距离过近等问题，首先，以KD树（KD-Tree）计算出的距离作为惩罚项，补充到混合A*算法的代价函数中，其次，根据车辆与障碍物之间的距离动态改变节点扩展距离，在保证搜索效率的同时提高安全性，然后，对每个节点按曲率进行循环检测，召回满足RS曲线生成条件但由于固定RS曲线曲率而被忽视的节点，最后，根据车辆与障碍物之间的距离动态改变RS曲线的曲率，使生成的RS曲线曲率适中且与障碍物保持安全距离。仿真验证结果表明，与传统算法相比，所提出算法的搜索时间缩短了7.18%、最大曲率减小了63.63%、路径与障碍物的最近距离增加了143.94%，有效提高了生成路径的质量。

针对现有轨迹预测模型缺乏对驾驶意图建模，难以准确预测多样化驾驶行为的问题，提出了一种融合驾驶意图和目标的动态注意力轨迹预测（GITF-DA）模型。利用多头注意力机制提取车辆的时间和空间特征，引入轻量化移位注意力模块，捕捉车辆在社会交互中的关键行为特征；结合双向长短期记忆（Bi-LSTM）网络与移位窗口注意力（SWA）进行驾驶意图识别，在条件变分自编码器（CVAE）模块中生成导向性目标；利用生成目标的多样性，实现多模态轨迹预测。试验结果表明：在横、纵向意图识别任务中，所提出模型的准确率分别达到98.01%和84.27%，Macro F1分别达到81.81%和81.61%；在轨迹预测任务中，模型预测的误差较低。

为解决全轮转向车辆因执行机构数量的增多导致故障概率增加的问题，以3×3全轮转向智能车辆的运动控制为研究对象，提出了一种考虑执行器输入延迟和故障的无限时域模型预测控制方法。该算法将考虑执行器输入延时的优化问题拆分为0~N-1阶段的模型预测控制（MPC）求解，以及N~∞阶段的线性二次型调节器（LQR）求解，并在MPC问题中引入楚列斯基（Cholesky）分解以求解控制量，避免了大规模卡罗需-库恩-塔克（KKT）矩阵的分解运算。仿真与试验结果表明：所提出的控制策略在执行机构发生故障时进行了有效的容错控制，同时与传统LQR和MPC相比具有更高的稳定性和控制精度。

为了获得良好的跟驰车辆排放仿真效果，提出一种基于最小化跟驰车辆比功率（VSP）分布与实测头车误差的标定优化方法。利用VSP分布误差最小化目标函数标定跟驰模型参数，优化跟驰模型真实性；结合实测头车的排放数据，拟合多种跟驰模型的排放情况。试验结果表明：Gipps、IDM、OVM、GFM、FVDM模型均表现出良好的VSP分布和跟驰车辆排放拟合效果；Gipps模型在VSP分布拟合精度（均方根误差均值为0.003 7）和CO₂、NO_x、CO、颗粒物数量（PN）排放因子拟合效果（与头车的相对误差均值为0.93%）上表现最优；多车辆跟驰车队排放仿真中，Gipps模型的排放波动最小，CO₂、NO_x、CO、PN排放因子相对误差均值分别为0.48%、0.52%、0.87%、1.89%，各跟驰车辆拟合排放的一致性最优。

为了增强智能网联汽车无线信道云服务访问的安全性与即时性，提出基于区块链的匿名身份认证方案。利用Bennett-Brassard 1984（BB84）协议完成多个云服务器间的密钥协商，建立车辆与多云服务器连接；通过车端量子随机数生成的匿名凭证，实现认证过程的隐私保护；使用区块链记录成员车的相关信息，减少认证通信轮次并提高效率。试验结果表明：提出方案的车端计算开销为711.7 μs，通信开销为412 B，兼具安全性与高效性。

针对单一制氢局限与交通调度机制缺失，提出一种风光驱动的蓝绿氢耦合制氢与异构交通流协同系统。为应对交通资源随机性，利用蒙特卡洛与集群聚合算法将其转化为可调度虚拟单元，并构建以运行成本最低为目标的混合整数线性规划模型（MILP）。结果表明，与未集成交通流的基准独立制氢系统相比，协同优化使系统平准化能源成本降低14.5%，绿、蓝氢波动率仅为5.29%和7.24%。研究成果为高比例可再生能源与交通能源融合系统的协同调度提供了可行方案。

为验证鞭打假人在AEB制动叠加追尾事故工况中的适用性，以BioRID-II假人为研究对象，通过设置不同的实车牵引制动方案，分析了不同因素对假人头部离位量的影响。进而用弹簧-质量物理模型对假人头部离位运动进行等效分析，为假人头部离位运动提供理论支撑，并修正假人头部离位运动数据进行BioRID-II假人仿真度研究。研究结果表明：BioRID-II假人的头部离位量与有肌张力的志愿者数据具有较高的一致性，鞭打假人生物仿生度满足AEB制动叠加追尾工况的要求，可以用于预制动叠加鞭打试验。