随着科技和汽车行业的快速发展以及人们生活质量的日益提高,人们对车辆的舒适性提出了更高的要求,舒适度成为衡量汽车智能性和质量的重要指标之一。尽管近年来,我国在人机工程领域的相关研究卓有成效,大部分自主企业都仿照国外的标准建立了自己的研发体系,但国内人机工程设计采用的基本是美国SAE相关的规范。由于不同人种、生活习惯等因素影响,SAE规范在使用中存在一定的局限性。在车辆设计阶段,设定的驾乘舒适性位置是否准确与车辆的舒适性、安全性有着密切的关系。本文设计实验采集中国驾乘姿态数据,研究驾乘人员基本属性信息及车辆基本属性信息与驾乘舒适位置信息的数据映射关系,确定表征驾驶员驾乘舒适位置的特征向量,利用三种方法筛选出对驾乘舒适位置预测结果贡献度较大的特征向量,并结合汽车设计的要求进行特征向量的选定。通过主流机器学习算法和深度学习算法,建立驾乘舒适位置预测模型,实现针对不同驾驶个体的汽车座舱乘坐舒适位置的自适应预测。最后,对模型进行了验证,并与座椅适宜线方程计算结果进行了对比分析,结果显示,基于BP神经网络结合思维进化算法（MEC）搭建的多重算法预测模型具有更好的预测效果,舒适度提升了20%,被动安全性能也将有大幅提升。本文最终构建的系统可批量搭载于车辆,实现车辆智能化的落地应用,为将来人体的新陈代谢、情绪、热舒适等数据在车辆上的应用奠定了基础。同时有助于优化主机厂产品设计流程,助力提升车辆的舒适性、安全性。