为解决小目标行人检测精度低的问题，基于DETR算法提出面向复杂场景的行人检测模型。在特征提取环节引入SENet注意力机制，强化通道判别能力；结合图像相对位置编码（iRPE）与绝对位置编码，提升模型对全局上下文与局部细节的感知能力。经自建数据集训练，试验结果表明：所提出方案的行人识别准确率达97.2%，误检率和漏检率仅为1.7%和1.1%，在处理多尺度行人、部分遮挡及低可见度等复杂场景时表现优异，检测效果均显著优于传统方法。

针对现有路面不平特征识别类型单一、对远小目标及低照度场景适应性差等问题，提出一种基于改进YOLOv10的检测算法。利用焦点调制网络替换快速空间金字塔池化（SPPF）模块，提升小目标检测精度；引入CPA-Enhancer架构增强低照度环境检测效果；采用形状交并比损失函数优化定位精度。经自建数据集试验结果表明：改进模型的mAP@0.5较原模型提升3.08%，通过实车部署验证其有效性，可实现减速带、凹坑、振动标线等7类路面不平特征的实时检测。

为了提升自动驾驶多摄像头视觉感知中鸟瞰视角（BEV）三维目标检测的精度与鲁棒性，提出一种基于改进BEVFormer的多视角图像目标检测方法。在图像特征层引入透视区域级辅助监督，通过BEV标注图像视角下的投影约束，引导骨干网络学习三维空间定位的局部细粒度特征；在BEV表征层构建实例级一致性约束，基于对比学习机制显式约束同一物理目标在不同视角条件下的BEV特征一致性，缓解视图变换引发的实例级特征漂移。基于nuScenes数据集对所提出方法进行训练与评估，并与多种典型多视角图像三维目标检测算法进行对比分析。试验结果表明：相较于BEVFormer基线模型，所提出方法在平均精度（mAP）和综合检测得分（NDS）指标上分别提升1.6百分点和0.4百分点，平均定位误差下降8.7百分点，验证了该方法在多视角图像BEV感知任务中的有效性。

为应对复杂交通环境下社会车辆驾驶意图不确定性，提出一种基于延迟决策的路径规划方法。通过生成包含一个初始共享轨迹段和针对社会车辆不同潜在行动的分叉轨迹的轨迹树；采用高斯混合模型进行社会车辆驾驶意图的概率预测，基于预测轨迹的状态偏差确定分叉点；根据不同场景的需求，分别在路径规划和速度规划中引入延迟决策机制，实现换道和减速避让策略。MATLAB/Simulink与CarSim联合仿真结果表明：相较于传统的生成单一轨迹方法，所提出方案在换道避让场景中，横向速度、加速度及其变化率分别降低9.2%、51.7%和63.6%，提升了变道过程的平稳性和乘坐舒适性；在减速避让场景中，纵向加速度及其变化率分别降低35%和61.5%，显著改善了减速过程的平稳性。

为了提升高速公路交通状态估计的空间覆盖能力与时效性，提出了一种基于卡尔曼滤波的观测信息与交通流模型的联合状态估计方法。以智能网联汽车（ICV）探测数据为观测输入，基于协同自适应巡航控制（CACC）与智能驾驶模型（IDM），对混合交通流中智能网联汽车与人类驾驶车辆（HDV）运动行为进行仿真，并结合元胞传输模型（CTM）完成交通流密度估计。SUMO仿真与NGSIM实测数据验证表明：所提出的模型对高速公路交通状态的估计误差随ICV渗透率的提升显著降低，在20%渗透率下，平均绝对百分比误差（MAPE）低于20%，渗透率提升至40%时，估计精度进一步提升，当渗透率提升至80%时，MAPE较统计估计方法降低16.54%，表明该模型具备较强的估计精度与稳定性，可适用于复杂交通环境。

为解决轮边驱制动一体化系统在电动重载商用汽车应用中因高度集成而导致的轮毂内空间受限、构型复杂度提高，以及功能与结构复杂耦合所引发的潜在矛盾冲突问题，提出面向角模块驱制动一体化构型的正向设计方法。首先，采用公理化设计方法对系统功能需求与结构参数进行分析，并借助设计矩阵识别构型中的耦合关系与冲突问题；然后，运用系统化设计方法构建底层结构的形态学矩阵，通过构型枚举获得潜在设计方案；最后，结合具体应用场景筛选合理构型，并通过偏好矩阵分析对候选方案进行评价，以确定最终可选构型。结果表明，该方法能够从功能需求出发提升构型设计效率，辅助设计人员完善设计流程，并为后续结合人工智能设计开展专家知识库构建提供支持。

为解决现有的监督学习方法估计电池健康状态（SOH）时依赖于稀少的标记数据，而忽略了大量易获得的未标记数据这一问题，提出了基于长短期记忆（LSTM）网络和门控循环单元（GRU）的半监督学习（SSL）的联合SOH估计方法。首先，从充电电压中提取了3种具有可解释性的健康因子，用于准确描述电池退化；然后，基于SSL对未标记数据的伪标签进行预测，旨在增强训练样本，从而提升模型泛化能力。分析和试验表明，提出的基于SSL的方法可以显著提高SOH估计性能，平均均方根误差不超过1.2%。

为解决当前单蓝牙数字钥匙因定位精度与抗干扰性不足，难以实现无感进入的问题，提出环境自适应动态权重分配算法，以提升单蓝牙数字钥匙的定位精度与抗干扰能力，实现全场景稳定无感进入。实车测试表明，搭载优化算法后识别准确率达96%，成本较多蓝牙方案降低约20%，在性能与经济性上均具备优势。