为探究全触屏车机系统和智能手机2种导航模式下驾驶人注视特性和车辆横向偏移的差异性，通过搭建2类真实道路驾驶数据采集平台，采集了27名被试驾驶人分别使用2种导航模式时的人-车相关数据.选取任务总时长、单次视线离开前方时间、注视切换次数、视线离开前方总时间和车道位置标准差5个指标，对4种车速下的1 041组有效数据进行均值比较、方差和显著性分析.研究结果表明：4种车速下全触屏车机系统导航的任务总时长、注视切换次数、视线离开前方总时间以及车道位置标准差的平均值均高于手机导航，任务总时长、注视切换次数以及视线离开前方总时间的平均值相比手机导航分别增加78.55%、77.17%和49.20%，单次视线离开前方时间的平均值相比手机导航下降15.98%；随着车速增加，2种导航模式的任务总时长、单次视线离开前方时间和视线离开前方总时间均呈现一定程度的下降趋势，而车道位置标准差则呈现明显的增加趋势；相比于传统的手机导航模式，全触屏车机系统在设置导航阶段可能引起更大的操作风险.

针对前车行驶工况多变所引起的自车稳定性和行驶安全性较差问题，以轮毂电动机驱动电动汽车为研究对象，提出同时考虑车间距与相对车速的定速/跟车巡航切换策略，优化设计安全车间时距模型.基于分层控制设计的汽车自适应巡航控制(adaptive cruise control，ACC)系统纵向跟踪控制策略，建立基于模型预测控制(model predictive control，MPC)的上层控制器，求解车辆的期望加速度.利用逆纵向动力学模型，建立下层控制器，求解输出转矩.设计前、后轴转矩分配策略，并由电动机精确控制车轮驱动与制动转矩，实现ACC的纵向跟踪控制.利用Matlab-Simulink和Carsim软件，建立联合仿真模型，分别对变速、变加速、变减速3种工况进行仿真试验.仿真结果表明，所提出的基于分层控制的自适应巡航控制系统在不同工况下，都能稳定地跟驰前车运动，且保持安全车间距，具有良好的跟车稳定性和安全性.

针对传统自动驾驶功能评价方法准确率低等问题，设计了基于V2I功能的自动驾驶车辆在环仿真测试平台，提出了一种FES-GALMBP评价算法.通过HotSpot关联规则法确定低速自动驾驶车辆服务质量的评价指标，基于AHP-CRITIC主客观组合权重优化确定指标权重，构建多级模糊综合评价模型（涵盖准则层、标准层与指标层权重计算）；利用模糊专家系统对测试样本集进行评价，生成训练数据以训练FES-GALMBP神经网络模型.以低速自动驾驶巴士为应用场景，通过Prescan/MATLAB进行联合仿真，并完成实车测试.结果表明，使用所提出的FES-GALMBP模型与传统BP神经网络模型评价巴士运营，得到质量准确率分别为94%、59%，而安全准确率分别为80%、53%，且新模型预测每一类别的AUC值均大于传统BP模型，因此新模型分类器效果更好.

在自动驾驶车辆周边行人轨迹预测中，针对现有方法在长时预测任务中表现不足，尤其是对复杂场景适应性较低的问题，提出了一种新方法.给出了行人轨迹预测问题建模流程，构建了基于CrossFormer的行人轨迹预测方法.新方法通过维度分段嵌入技术显式学习相邻时间帧的相关性；结合两阶段注意力机制层，充分学习行人轨迹的长时依赖关系；利用分层编码器-解码器结构，自适应地捕获行人轨迹在不同时间尺度上的依赖性，提高模型在长时预测上的可扩展性.新方法创新性地结合了多模态信息融合、自注意力机制和可扩展性优化，实现了对行人轨迹预测任务的高效解决.在ETH轨迹数据、江苏大学校园内行人轨迹数据（JDD）这两个数据集完成了试验，进行了时间序列的分割性分析以及定量、定性分析.结果表明，在ETH数据集上，新方法的平均位移误差ADE、最终位移误差FDE值分别为0.627、1.32，均显著优于传统方法如LSTM（0.895、1.74）和SR-LSTM（0.728、1.66）等；在JDD数据集上，新方法的ADE、FDE值分别为0.281、0.53，远优于GAN（0.562、1.01）、STGAT（0.673、1.43）等模型；新方法在复杂场景下的鲁棒性和泛化能力也得到了验证.

为深入解析安全保障措施对居民顺风车出行决策行为的影响，完善顺风车安保、服务体系，基于技术接受模型构建乘客使用顺风车意向的理论框架，以中国城市居民为例，建立多指标多因果模型进行影响路径验证分析，并进一步利用综合加权平均法评估安全措施的有效性.结果表明：安全风险是阻碍乘客使用顺风车的关键因素，而隐私风险对使用意向的负向影响却不显著；男性群体、对顺风车使用频率较高的群体、年龄较大的群体在措施上线后对使用顺风车出行呈现更积极的态度.安全措施的有效性分析显示，安全响应、车主审查和车主识别得分分别为6.43、6.07和6.02，乘客对这3项整改措施认可度较高.

为了探究催化层内部的水气传输和电子传导现象，建立了质子交换膜电解池阴极催化层的孔隙网络模型，获取了传输参数（渗透率、扩散率）以及电化学参数（电导率、电化学活性比表面积）随催化层微观结构的变化规律.结果表明：在催化层内部，随着水饱和度的降低，催化层不同方向上的气体相对扩散率和相对渗透率均逐渐增大，且当水饱和度为0~0.61时具有较佳的水气传输特性；催化层电导率随着铂颗粒半径的增大而非线性增大，铂颗粒半径由5 nm增大到20 nm时，电导率增大了55.7%；电导率随孔隙直径的增大而逐渐减小，但变化较小；催化层电化学活性比表面积随着铂颗粒半径或者孔隙直径的增大而非线性减小，且减小程度相当.

为了进一步提高声品质评价模型的稳定性和评价准确率，提出一种基于长短期记忆（long short-term memory，LSTM）网络和注意力机制的汽车车内声品质评价模型（ALSTM）.首先采集了不同品牌汽车在不同工况下驾驶员右耳处的稳态噪声样本，并以烦恼度为评价指标开展噪声样本的主观评价试验，建立了车内声品质评价数据集.在此数据集的基础上，将噪声样本的梅尔倒谱系数（Mel-scale frequency cepstral coefficient，MFCC）作为特征输入，构建了基于LSTM网络的声品质评价模型，同时引入注意力机制对模型进行优化.结果表明：提出的声品质评价模型能够有效地对车内噪声进行评价，在测试集上的准确率高达97.07%；与其他方法相比，ALSTM模型的稳定性、收敛速度和分类准确率均有所提高.

针对跨海大桥道路环境的不确定性导致自动驾驶车辆容易发生车辆动力学状态变化的问题，提出了基于深度确定性策略梯度（DDPG）算法的车辆侧倾控制策略，探索了该策略在不同车速下的泛化能力.首先构建了跨海大桥的垂向模型，以提供动态道路环境；其次构建了车辆动力学模型和车辆跟踪误差模型，融合了车辆的侧倾、侧滑和横摆的动力学特性，并构建了侧倾稳定性判据；最后设计了深度确定性策略梯度算法中的状态空间和动作空间，并根据车辆的侧倾状态设计了奖励函数.数值模拟结果表明深度确定性策略梯度算法在每一回合中都会获得良好的性能，具有良好的学习能力和解决不确定性复杂环境问题的能力，确保了车辆侧倾角和横向距离误差在可接受的微小波动范围内，满足车辆控制的安全性.

 针对行人检测中远距离目标像素稀少和遮挡产生人体模式信息缺失导致的严重漏检问题，提出一种基于双关键点组合的行人检测方法.该方法利用人体头部与中心区域的关键点，有效提取和融合行人的判别语义特征，从而显著降低行人的漏检率.首先，在深层聚合主干特征网络上引入可变形卷积来扩大感受野，增强人体模式的语义信息；其次，设计了一种基于关键点组合的双分支联合检测模块，通过重新定义不同分支的正样本，强化小尺度与遮挡目标的语义信息；最后，借助非极大值抑制算法融合双分支检测结果.结果表明：在CityPerson验证数据集的普通、小尺度与严重遮挡子集上，文中方法的平均漏检率分别达到8.24%、11.81%和30.59%，特别是对于严重遮挡子集，漏检率相比传统方法ACSP降低15.71%；文中方法检测速度也达到16帧/s；在CrowdHuman上文中方法的平均精度和平均漏检率分别达到86.30%和45.52%.与其他先进方法相比，文中方法在平均精度、漏检率和检测速度方面都呈现出更优异的性能，在密集行人的复杂场景中具有较好的应用价值.

为了探究交通量数据特性，提高交通量数据拟合的参数估计精度，基于最大相关熵准则提出了一种交通量数据拟合的参数估计方法.首先对交通量数据进行预处理，然后指定数据概率分布，再采用最大相关熵准则来估计模型参数，采用梯度上升法进行输出，得到概率分布参数估计值，并与传统最小二乘估计和最大似然估计进行结果比较.基于实测数据和假定的4个分布模型（正态分布、对数正态分布、韦布尔分布、瑞利分布）进行性能评估，研究表明：构建的基于最大相关熵准则方法拟合性能优于最小二乘估计和最大似然估计，4个分布模型综合评价指标分别为0.979 00、0.726 08、1.397 69和1.494 50，具有较强的准确性和可靠性.

基于并联式轮毂电动机驱动实车构型，分析影响制动能量回收效率的主要因素，采用联邦卡尔曼滤波纵向车速估计算法，提出了三层式复合制动控制策略.该策略中的制动决策层根据踏板输入信号和行驶状态来识别制动工况，并进入相应的制动模式.制动控制层根据制动决策层的指令，在常规制动工况下通过粒子群优化（PSO）算法优化前、后轮电制动力矩分配，实现电池有效回收效率最大化；紧急制动工况下，通过模糊自整定PID算法实现车辆在不同附着路面上各轮滑移率的安全有效控制，优化了制动防抱死控制的鲁棒性，提高制动安全性.制动执行层响应制动控制层的指令，设计了电制动补偿机制，以迅速补偿调节各轮轮缸的压力误差，提高车辆制动稳定性.最后实车验证了该复合控制策略的有效性.

针对存在干扰的四旋翼无人机姿态系统，设计了一种RBF网络鲁棒自适应反步滑模控制器.在反步滑模控制的基础上，通过RBF网络逼近和补偿标称控制律，采用神经网络最小参数学习法，取神经网络的权值上界估计作为神经网络的估计值，通过设计参数估计自适应律来代替神经网络权值的调整，并用Lyapunov理论证明系统的稳定性.仿真结果表明：该方法相比反步滑模控制方法，在有干扰的情况下，有更短的调节时间，更好的跟踪精度，验证了本方法具有更好的抗干扰性和鲁棒性.

为了研究加热器中暴露在高温环境下折流板的应力分布规律与安全可靠性，基于有限元分析方法对其进行应力分析，选取危险截面路径进行应力线性化分析，并根据安全评定结果对折流板结构进行优化.结果表明：尖角造成的应力集中对折流板的应力分布影响较大，其薄膜应力PL过高是导致应力评定危险的主要原因；折流板整体应力大小随着燃料进口速度的增大而增高，温度与热应力大小呈正相关，在不同速度下应力变化趋势相似，换热管束与折流板连接处的结构不连续会造成应力升高；优化方案中，当钝化尖角后，折流板最大热应力降低16.7%，再覆盖热障涂层时的最大热应力较钝化尖角时降低44.5%，较原始结构降低53.7%，且整体热应力下降，优化后折流板强度评定为合格.

对于具有“组异常”和“局部异常”分布特点的系统日志数据，传统的ADOA（anomaly detection with partially observed anomalies）半监督日志异常检测方法存在为无标签数据生成的伪标签准确性不佳的问题.针对此问题，提出一种改进的半监督日志异常检测模型.对已知异常样本采用k均值聚类，采用核主成分分析计算无标签样本的重构误差；运用重构误差和异常样本相似分计算出样本的综合异常分，作为其伪标签；依据伪标签计算LightGBM分类器的样本权重，训练异常检测模型.通过参数试验探究了训练集样本比例变化对模型性能的影响.在HDFS和BGL这2个公开数据集上进行试验，结果表明该模型能够提高伪标签的准确性，相较于DeepLog、LogAnomaly、LogCluster、PCA和PLELog等已有模型，精确率和F1分数均有提升.与传统的ADOA异常检测方法相比，该模型F1分数在2类数据集上分别提高了0.084和0.085.

 针对现有车载语音导航设备易受到车内外噪声干扰、无法准确判定声音信号来源的问题，提出了一种基于唇部状态识别的语音导航抗干扰系统.通过摄像头实时识别驾驶员唇部状态，准确判定驾驶员声音信号的起止时间端点，进而控制语音导航输入信号开启和关闭，增强驾驶员对语音导航的控制权限，减少车内外的噪声干扰.为保证唇部状态识别的准确性和鲁棒性，提出了一种基于关键点-外观短时特征融合的多模态唇部状态识别网络，进行了关键点短时特征有效性试验、多模态特征融合的唇部状态识别消融试验、实验室模拟环境和真实车载环境下的语音导航抗干扰试验.结果表明，文中提出的关键点短时特征算子可增强唇部状态变化表征能力14%以上，关键点-外观特征融合的唇部状态识别网络通过特征互补提升识别准确性8.98%以上.基于该网络的语音导航抗干扰系统准确性高（92.6%）、实时性好（检测速度为35帧/s）；在驾驶员左、右侧面超过70°的大幅度头部姿态变化下，能有效减少车内外噪声对导航语音控制的干扰，表现出较高的鲁棒性.

 为了优化节段预制波形钢腹板组合箱梁桥节段划分、存放及吊装方案，以南京长江五桥引桥——立新路跨线桥为研究背景，采用数值模拟方法对波形钢腹板组合箱梁桥节段进行合理划分长度，分析标准节段梁存放及吊装期的应力变化及变形特征，并提出合理的控制措施.结果表明：节段长度为240~400 cm时，对梁体抗弯承载力影响较小，波形钢腹板组合箱梁桥节段长度的合理划分取决于吊装及运输条件；节段梁存放层数不宜超过2层，如采用双层存放，需在波形钢腹板节段梁混凝土顶板与底板之间设置临时刚性支撑；节段梁吊装宜采用四吊点方案，即在靠近腹板处设置4个吊点，且起吊时在顶板与底板之间设置临时刚性支撑，以避免顶板变形过大，增加现场拼装控制的难度.