2016年6月毕业于北京理工大学机械与车辆公司机械工程专业，获工学博士学位，师从何洪文教授。

2025.01-至今        西汉姆联官方网站，bw必威西汉姆联官方网站，教授，   博导/硕导

2019.12-2024.12  西汉姆联官方网站，bw必威西汉姆联官方网站，副教授，博导/硕导

2016.07-2019.11  北京理工大学，电动车辆国家工程研究中心，博士后

瞄准车辆工程与交通运输工程的学科交叉创新前沿，致力于深度强化学习、人工智能理论在智能电动运载装备的应用与突破。

具体研究方向包括：端到端自动驾驶、全向线控底盘智能控制、低空电驱动运载器控制、全类型新能源汽车学习型控制。

(1) 智能网联新能源汽车群体协同节能机理与跨域混智优化控制(52372380)， 国家自然科学基金面上项目，主持

(2) 网联新能源公交车辆动态调度与能量管理耦合机制及其多目标优化研究(52072074)， 国家自然科学基金面上项目，主持

(3) 基于深度强化学习的插电式混合动力汽车智能能量管理方法研究(51705020)，国家自然科学基金青年科学基金项目(C类)，主持

(4) 载运装备运动-性能-服役状态自感知与健康态势自评估技术，国家重点研发计划专题，主持

(5) 无线通信北斗融合智能模组综合测试系统研制，工信部高质量课题，主持

(6) 面向多车协同的高精度导航定位技术，山东省重点研发计划课题，主持

(7) 面向车路协同的智能网联汽车网络安全测试场景研究，江苏省工信厅核心技术(装备)攻关项目课题，主持

(8) 氢能动力关键技术集成及在交通领域的应用示范，南京市碳达峰碳中和科技创新专项课题，主持

授权国家发明专利46件、计算机软件著作权8项。主要发明专利如下：

[1]  一种个性化的自动变道和速度控制驾驶协同决策方法:ZL202411790405.X[P].2025-10-17.（第一发明人）

[2]  一种基于深度强化学习的自动驾驶行为一体化决策方法:ZL202211077434.2[P].2024-12-03.（第一发明人）

[3]  一种基于图强化学习的协同式路线-充电规划方法及系统:ZL202411749937.9[P].2025-10-10.（第一发明人）

[4]  一种综合舒适性增强型网联燃料电池客车节能驾驶方法:ZL202411026157.1[P].2025-09-26.（第一发明人）

[5]  嵌入模仿学习的学习型燃料电池混动汽车能量管理方法:ZL202410130880.8[P].2025-09-12.（第一发明人）

[6]  一种燃料电池混动汽车能量管理方法:ZL202310661463.1[P].2025-08-19.（第一发明人）

[7]  一种混合动力汽车能量管理策略的加速学习方法:ZL202110333743.0[P].2024-02-02.（第一发明人）

[8]  一种基于异构多智能体深度强化学习的新能源汽车生态驾驶方法:ZL202211334615.9[P].2024-01-30.（第一发明人）

[9]  一种新能源公交协同调度与节能驾驶系统及其控制方法:ZL202011621859.6[P].2022-04-01.（第一发明人）

[10]  一种插电式混合动力车辆行驶工况的预测模型构建方法及车辆能量管理方法:ZL201710909210.6[P].2021-12-17.（第一发明人）

[11]  一种智能网联新能源汽车分层式能耗优化方法:ZL202010958502.0[P].2021-11-02.（第一发明人）

[12]  一种基于深度强化学习的插电式混合动力车辆能量管理方法: ZL201810003466.5[P].2020-05-19.（第一发明人）

[13]  插电式混合动力汽车能量管理策略硬件在环仿真平台:ZL201511009983.6[P].2017-11-21.（中国专利优秀奖，第二发明人）

《ModelBase 智能驾驶建模仿真与应用》的主编，行业巨著《电动汽车工程手册》以及《交通运输工程学(第3版)》、《综合交通运输理论干部学习培训教材》等多本著作的编委。

在国内外知名期刊和会议上发表学术论文100余篇，其中 ESI 高被引论文5篇，千分之一热点论文1篇，权威顶刊封面文章1篇。论文在 Google 学术累计被引用6500余次（H-index=37），被 Web of Science 他引4500余次。

部分SCI期刊论文(*表示通讯作者)

一、自动驾驶感知决策控制

[1] Yu S, Peng J^*, Ge Y, et al. A traffic state prediction method based on spatial–temporal data mining of floating car data by using autoformer architecture[J]. Computer‐Aided Civil and Infrastructure Engineering, 2024, 39(18): 2774-2787. (SCI, Q1, 封面文章)

[2] Peng J, Yu S, Ge Y, et al. Personalized Decision-Making Framework for Collaborative Lane Change and Speed Control Based on Deep Reinforcement Learning[J]. IEEE Transactions on Intelligent Transportation Systems, 2025, 26(9): 13629-13644. (SCI, Q1)

[3] Peng J, Zhang S, Zhou Y, et al. An integrated model for autonomous speed and lane change decision-making based on deep reinforcement learning[J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(11): 21848-21860. (SCI, Q1)

[4] Peng J, Liu X, Wu C, et al. Deep reinforcement learning-tuning hierarchical vehicle trajectory tracking framework based on improved kinematic model predictive control[J]. Engineering Applications of Artificial Intelligence, 2025, 162: 112551. (SCI, Q1)

[5] Peng J, Shi Y, He H, et al. Multi-level Attention Driven Decision-Making Framework for Unsignalized Intersections Based on Dual-Buffer Soft Actor-Critic[J]. IEEE Internet of Things Journal, 2025. (SCI, Q1)

[6] Guo X, Peng J*, Pi D, et al. Enhanced consensus control architecture for autonomous platoon utilizing multi‐agent reinforcement learning[J]. Computer‐Aided Civil and Infrastructure Engineering, 2025. (SCI, Q1)

[7] Wu D, Peng J^*, Yu S, et al. UKD-TEAD: An Unsupervised Knowledge Distillation Framework for Detecting Anomalies in Traffic Equipment With Various Aspect Ratios[J]. IEEE Internet of Things Journal, 2025. (SCI, Q1)

[8] Yang J, Peng J^*, Zhang Q, et al. Monocular vision approach for Soft Actor-Critic based car-following strategy in adaptive cruise control[J]. Experts Systems with Applications, 2025. (SCI, Q1)

[9] Han Y, Li Y, Yu S, Peng J^*, et al. Modeling lane changes using parallel learning[J]. Transportation Research Part C: Emerging Technologies, 2024, 167: 104841. (SCI, Q1)

二、新能源汽车节能优化控制

[1] Peng J, He H, Xiong R. Rule based energy management strategy for a series–parallel plug-in hybrid electric bus optimized by dynamic programming[J]. Applied Energy, 2017, 185: 1633-1643. (SCI, Q1, 1%高被引和1‰热点论文)

[2] Wu J, He H, Peng J^*, et al. Continuous reinforcement learning of energy management with deep Q network for a power split hybrid electric bus[J]. Applied energy, 2018, 222: 799-811. (SCI, Q1, 1%高被引论文)

[3] Wu Y, Tan H, Peng J^*, et al. Deep reinforcement learning of energy management with continuous control strategy and traffic information for a series-parallel plug-in hybrid electric bus[J]. Applied Energy, 2019, 247: 454-466. (SCI, Q1, 1%高被引论文)

[4] Peng J, Zhou J, Chen J, et al. Multiple electric components health-aware eco-driving strategy for fuel cell hybrid electric vehicle based on soft actor-critic algorithm[J]. IEEE Transactions on Transportation Electrification, 2023, 10(3): 6242-6257. (SCI, Q1)

[5] Peng J, Chen W, Fan Y, et al. Ecological Driving Framework of Hybrid Electric Vehicle Based on Heterogeneous Multi-Agent Deep Reinforcement Learning[J]. IEEE Transactions on Transportation Electrification, 2023, 10(1): 392-406. (SCI, Q1)

[6] Peng J, Fan Y, Yin G, et al. Collaborative optimization of energy management strategy and adaptive cruise control based on deep reinforcement learning[J]. IEEE Transactions on Transportation Electrification, 2022, 9(1): 34-44. (SCI, Q1)

[7] Peng J, Zhang H, Ma C, et al. Powertrain Parameters’ Optimization for a Series–Parallel Plug-In Hybrid Electric Bus by Using a Combinatorial Optimization Algorithm[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2021, 11(1): 32-43. (SCI, Q1)

[8] Wu C, Peng J^*, Zhou J, et al. Thermal Management Methodology Based on a hybrid Deep Deterministic Policy Gradient with Memory Function for Battery Electric Vehicles in Hot Weather Conditions[J]. IEEE Transactions on Transportation Electrification, 2025. (SCI, Q1)

[9] Wu J, Peng J^*, Li M, et al. Enhancing fuel cell electric vehicle efficiency with TIP-EMS: A trainable integrated predictive energy management approach[J]. Energy Conversion and Management, 2024, 310: 118499. (SCI, Q1)

[10] Peng J, Luo J, He H, et al. An improved state of charge estimation method based on cubature Kalman filter for lithium-ion batteries[J]. Applied Energy, 2019, 253: 113520. (SCI, Q1)

一、人才荣誉

(1) 连续两年入选 Scholar GPS 全球前 0.05% 顶尖学者终身榜单

(2) 2022~2025年连续四年入选斯坦福全球前 2% 顶尖科学家榜单

(3) 南京市中青年拔尖人才

(4) 2024年度小米青年学者

(5) 江苏省“双创计划”科技副总

(6) 西汉姆联官方网站“至善青年学者”(A 层次)

(7) 北京理工大学首届优秀博士后

二、科技奖励

(1) 2022年度教育部科学技术进步奖一等奖

(2) 2018年度中国汽车工业技术发明奖一等奖

(3) 2025年度中国公路学会科学技术奖 (创新团队奖)

(4) 2016年度国防技术发明奖二等奖

(5) 2019年度中国电子学会科学技术奖二等奖

(6) 2024年度中国汽车工程学会科技进步奖二等奖

(7) 2023年度中国公路学会科学技术奖二等奖

(8) 2019年度中国汽车工业科学技术进步奖三等奖

(9) 第二十四届中国专利优秀奖

(10)《Applied Energy》2016~2017 年度高被引论文奖

(11)《IEEE Transactions on Industrial Informatics》2022 年度杰出论文奖

(12) 2024年度中国车辆控制与智能化大会优秀墙报展示奖

(13) 2022年度世界交通运输大会优秀论文奖

(14) 2017 年度首届中国自动化学会车辆控制与智能化学术年会优秀论文奖

(15) 2024 年度首届中国青年汽车研发仿真建模大赛“优秀指导教师”奖

一、本科生课程

《智能电动汽车运用工程》

《自动驾驶系统初步设计》

《车路协同基础》

《批判性思维》

二、研究生课程

《交通运输工程学》

担任SCI 期刊《Green Energy and Intelligent Transportation》 青年编委(IF=16.4)、中国车辆控制与智能化大会(CVCI 2022)组织委员会副主席，国际应用能源会议(ICAE 2016)“电动车辆”分会主席，汽车前沿技术青年学者论坛(Auto E 2017)“车辆动力学”分会主席。是国家新能源汽车技术创新中心特聘专家、中国汽车研发软件产业创新联盟技术专家委员会委员、中国科协科普中国专家、中国公路学会自动驾驶工作委员会委员、智能汽车与智慧城市协同发展联盟委员，是国家自然科学基金通讯评审专家以及江苏省、山西省、山东省等多省科技咨询专家。在境外国际会议宣读论文及海报展示10余次，担任10余个汽车、能源及交通领域知名 SCI 期刊审稿人，近年来审稿100余篇。

一、新生需求

欢迎具备较强计算机编程、机器学习、数学建模基础、逻辑辩证思维，对学术科研或工程开发具有浓厚热情、踏实具勤奋，并备家国情怀的同学报考西汉姆联官方网站、西汉姆联官方网站—蒙纳士大学苏州联合研究生院的博士、硕士研究生。团队招收优秀青年教师、“至善博士后”、全职/在职博士后、专职科研人员。

二、往届毕业生

二、员工获奖

2022年度研究生国家奖学金：张思雨

2023年度研究生国家奖学金：陈伟琪

2024年度研究生国家奖学金：周嘉璇

2025年度研究生国家奖学金：余思辰、刘星言

2025年度西汉姆联官方网站优秀硕士学位论文：陈伟琪