汽车作为交通行业最具发展潜力的交通工具,便利了人类出行方式,还促进人类发展交流。但随着汽车保有量增加,也伴随着更多交通拥挤堵塞、交通事故频发等问题出现,目前汽车所处环境越发复杂,传统汽车依赖驾驶员疲以处理动态多变、复杂的环境,主要问题就是缺乏对于复杂信息的智能感知、判断、推理、决策的能力。本文借鉴近几年来国内外研究人员对人脑认知的研究成果,开展了基于多模态信息融合和自适应进化神经网络的汽车运行与安全状态感知方法研究,为实现汽车对自身运行和司乘人员安全状态的智能感知,提供必不可少的智能感知方法,提升汽车因应复杂运行环境的智能感知和决策能力。为此,本文通过从汽车运行交通环境复杂性、非智能汽车因应复杂交通环境的局限性以及智能汽车针对这些局限所做出的解决方案对汽车运行安全性能的提升进行描述,针对大脑认知机制研究应用于汽车应对复杂运行环境及解决复杂安全状态问题,对智能汽车系统的运行与安全智能感知问题进行建模与描述。针对单一模态信息表征能力单一、偶然性高、易受外界影响的缺陷,统筹考虑人-车系统进行多模态信息融合的研究,提出一种基于进化神经网络的多模态信息融合方法,构建了智能主体系统智能感知信息处理模型。针对汽车感知在复杂环境下精度和速度无法保证的缺陷,构建了自适应遗传算法优化的进化神经网络进行多模态信息融合,保证系统面对复杂信息能有效利用。为了解决司乘人员安全状态的识别,利用机器视觉获取驾驶员眼长纵横比通过驾驶员长时间眨眼次数判断驾驶员疲劳程度以及构建基于深度卷积神经网络优化的FaceNet架构判断乘客年龄段和性别。结合司乘人员安全状态参数和汽车驾驶运行时自身状态参数,通过自适应进化神经网络和先验领域知识库,实现了汽车运行与安全智能感知方法。本文开展了汽车运行与安全状态智能感知模拟试验系统研究的设计与开发,首先能正确识别驾驶员的驾驶疲劳状态以及乘客的老人儿童年龄性别状态识别,结合采集的汽车自身运行状态参数数据集进行汽车运行与安全状态感知试验,使用自适应进化神经网络方法,识别汽车安全驾驶等级,最后状态感知的准确率达92.48%,并与其他算法进行对比,验证本文提出的智能汽车感知方法和模型的科学性和合理可行性。