《面向复杂与极端场景的车辆轨迹预测研究》针对车路协同环境下智能网联车辆风险评估与轨迹优化的需求，以人工智能与交通领域技术的融合应用为切入，采用虚实交互联合仿真作为测试手段，旨在实现车路协同网联车辆安全、可靠且高效行驶。全书共6章，具体如下： 第1章介绍了研究背景、国内外研究现状、发展趋势等;第2章为解决车路协同中多源异构场景时空数据特征复杂、标准不统一的问题，提出一种车路协同轨迹优化数据流框架，并对主流公开数据集的特征进行了系统比较；第3章提出了基于模式匹配注意力机制的车辆轨迹预测模型；第4章提出了考虑不确定性的路侧端风险智能分级与评估方法；第5章提出了基于路侧风险信息的车载协同轨迹优化控制方法；第6章通过真实数据集和虚实交互仿真数据对所提方法进行了系统验证，结果表明该方法具备良好的可用性与可靠性。

柴琳果，男，北京交通大学自动化与智能学院副教授，从事智能交通运行优化与协同控制研究，研究内容包括智能交通群体协同决策仿真与虚实交互测试验证方法、基于北斗卫星导航的下一代列控自主定位与感知技术与列控系统全生命周期运行优化与健康管理理论和方法，在公路、铁路和民航交通做出贡献。曾获北京市委组织部优秀人才培养“青年骨干”（个人奖）、中国卫星导航定位协会“科学技术一等奖”（715）、高等学校科学研究优秀成果奖科学技术二等奖（510）、中国航空运输协会民航科学技术进步奖二等奖（1010）等。