《中国制造 2025》提出把“节能与新能源汽车”作为重点发展领域，明确了“掌握汽车低碳化、信息化、智能化核心技术”，为我国节能与新能源汽车发展指明了方向。也明确提出“到 2025 年，掌握自动驾驶总体技术及各项关键技术，建立较完善的智能网联汽车自主研发体系、生产配套体系及产业群，基本完成汽车产业转型升级。” 

本课题旨在研究车辆多目标优化和群决策控制是网联式智能车辆的关键技术，即通过建立新一代人、车、路和环境间的 V2X 通信系统，构建智能汽车驾驶行为、车况判断、车辆多目标优化、多车协同群决策等模型，对多目标优化与多车协同群决策等关键技术进行研发，并在典型道路环境下的进行测试验证，可为未来推广智能网联汽车应用提供重要支撑。研究方法和结果具体如下：

1）基于分布式数据库集群编写数据的存储和查询软件。考虑到数据的 TB 级的海量特性，采用基于 Hadoop 的分布式数据库数据存储引擎，该引擎具备多机并行处理、数据多副本冗余、数据分区处理，高水平可扩展性等良好特性，实现了支持 1 千辆车海量数据的高效存储、查询和分析系统。

2）采用 Spark 分布式数据挖掘集群作为数据分析和挖掘引擎，一方面利用其现有的分类（朴素贝叶斯、决策树、逻辑回归、多层感知器）、回归（线性回归、广义线性回归、随机森林回归）、聚类（K 均值、高斯混合模型、潜在狄利克雷分别）等等算法模块进行数学建模，另一方面基于其Spark提供的并行数据计算框架针对具体业务需求定制和编写新的数据挖掘模块，构建了车辆故障模型和驾驶行为分析模型并进行相应的 web 平台展示。

3）以不同工况、单车决策为基础，研究车辆安全性、通行效率的衡量指标；建立优化节能、安全、通行效率问题的车速规划模型，测试验证求解算法的有效性；通过比较跟踪理想车速得到的行驶过程是否比一般驾驶员行驶操作效果更优，使用车路仿真软件 CarMaker 和实车进行验证，在能耗、安全、高效三个方面验证效果理想。

4）群决策智能驾驶建立了泛在分布式、情景驱动下动态集中式的群体智能与协同控制方法，泛在分布式体现在路段上的每辆车被看作一个独立的智能体，无主次之分，根据 V2X 通信技术获得的其他车辆的交通信息，独立自主进行决策，此时决策目标为实现自身单个或多个优化目标的最优。情景驱动下的动态集中式应用在典型的交通瓶颈区域，通过路侧设备或中央控制器的集中协调实现整体优化目标的最优，经过仿真和实车验证实现 10 个车以上的复杂交通路口群决策顺利高效、通行。