1、负责车辆、用户、道路、环境和控制相关多源时序数据的分析、建模和预测算法研发； 2、负责构建车辆状态预测模型，包括车速、加速度、制动、转向、横摆、俯仰、振动、能耗、温度、道路激励等序列预测； 3、负责驾驶行为和场景趋势预测，包括驾驶意图、驾驶风格变化、道路工况、拥堵状态、跟车行为、加减速趋势等； 4、负责面向智能车辆体验的短时预测、趋势判断、异常检测和风险预警算法开发； 5、负责研究和应用 ARIMA、HMM、Kalman Filter、LSTM、GRU、TCN、Transformer、Temporal Fusion Transformer、Graph Temporal Network 等时序建模方法； 6、负责时序数据清洗、同步、重采样、对齐、缺失处理、异常检测、特征工程和数据集建设； 7、负责模型评估与效果验证，包括预测误差、提前量、稳定性、鲁棒性、泛化能力和实际应用效果评估； 8、负责与控制算法、仿真、试验、数据平台和产品团队协同，将时序预测能力应用于场景化控制、个性化体验和验证闭环。

1、硕士研究生及以上学历，计算机、人工智能、自动化、控制科学、数据科学等相关专业优先； 2、具备时间序列预测、机器学习、深度学习、信号处理、状态估计、异常检测或数据建模相关经验； 3、熟悉 Python、SQL、Pandas、NumPy、scikit-learn、PyTorch / TensorFlow 等数据处理和算法开发工具； 4、熟悉常见时序建模方法，包括统计模型、状态空间模型、Kalman Filter、LSTM、GRU、TCN、Transformer 等一种或多种； 5、熟悉时序数据处理流程，包括多源数据对齐、采样频率处理、滑窗特征、缺失值处理、异常点识别、数据增强和标签构建； 6、具备模型评估能力，能够设计预测误差、稳定性、提前量、鲁棒性和跨场景泛化能力评价方法； 7、熟悉 CAN、GPS、IMU、摄像头、雷达、道路、天气、试验和仿真数据者优先； 8、有 Kalman Filter、Particle Filter、状态估计、MPC、控制算法或车辆动力学相关经验者优先。