随着新能源汽车的推广应用，车辆规模爆发式增长的同时，在新能源汽车的产品端、运行端以及服务端出现了一系列问题：产品质量监管成效低、运行安全管控不精准、公共服务管理不全面。这些问题影响着新能源汽车的安全可靠运行，制约着新能源汽车产业的发展，已经成为了行业的痛点。在汽车数字化的时代背景下，以大数据为核心，推动新能源汽车管理与服务关键技术的发展，是实现新能源汽车安全可靠高效应用、消除消费者安全焦虑、推动产业跨越式发展的必要支撑和保障。为了较为全面地综述该领域的技术水平和创新成果，从新能源汽车质量测评和溯源技术、新能源汽车安全运行管控和充电服务技术、新能源汽车行为分析辨识和碳核算技术3方面详细论述新能源汽车管理与服务关键技术的研究现状，并重点介绍了“运行大数据+”的新能源汽车“质量监管-运行管控-服务管理”技术体系，最后对目前新能源汽车管理与服务关键技术在产品质量监管、运行安全管控以及公共服务管理等方面存在的问题进行总结，对以大数据分析和挖掘为核心的新能源汽车“质量监测-运行管控-服务管理”技术进行展望。该综述可为新能源汽车管理与服务相关技术的进一步提高提供借鉴，也可为未来该领域技术的发展方向提供参考。

智能汽车人机协同决策是指驾驶人与驾驶自动化系统之间进行信息共享、交互和协同决策的过程，其对于提升智能汽车的安全性、舒适性和通行效率具有重要意义。针对人机协同决策技术在当下文献研究中碎片化且缺乏相关综述研究的现状，介绍了智能汽车人机协同决策技术的研究现状及未来的发展趋势。首先，基于对人机协同驾驶领域研究现状的梳理，从驾驶权限和人机交互2个维度对人机协同决策方法进行分类，前者包含以人为主、人机驾驶权限切换和以机为主的3种决策方式，后者包含人机直接交互和人机间接交互2种决策形式。进一步根据智驾系统中人机协同决策的层级差异，将人机协同决策技术分为人机协同行为决策、人机协同运动规划两大关键技术。前者可分为仲裁驾驶权限、协调驾驶意图和人类在环学习3类，后者可分为人机协同的路径规划和轨迹规划2类。最后，对智能汽车人机协同决策技术的发展趋势进行了总结与展望。通过梳理总结认为:智能汽车人机协同决策技术的发展不仅局限于决策层面，也依赖于上下游共同的技术进步，且多模态人机界面和深度强化学习等技术将成为其进一步发展的重要动力；未来，人机协同决策技术将依托新型决策意图传导技术与大语言模型步入新阶段。

为研究智能网联车辆(Intelligent Connected Vehicle, ICV)与高速公路主线传统人工驾驶车辆(Human-driven Vehicle, HDV)交互时通过高速公路加速车道的汇入控制算法，提出了一种融合随机森林(Random Forest, RF)算法和深度Q网络(Deep Q-network, DQN)算法的ICV汇入控制模型(DQN-RF)。首先，建立路侧数据采集平台，采集了中国G70高速公路加速车道汇入区域HDV的真实汇入过程数据。其次，考虑汇入环境车辆历史数据流和汇入车在加速车道的汇入紧迫度，建立了基于RF算法的类人化汇入决策模型。采用城市交通仿真(Simulation of Urban Mobility, SUMO)平台搭建了高速公路加速车道ICV汇入场景，并基于Python语言建立了ICV汇入控制深度强化学习测试脚本环境，建立了基于DQN的纵向加速度控制算法。最后，将RF汇入决策模型嵌入DQN纵向加速度控制算法中，实现了ICV汇入决策和纵向加速度控制的融合。将SUMO内置的LC2013换道模型与DQN模型融合为DQN-LC2013模型，作为基线模型与DQN-RF模型进行对比。研究结果表明：相较于未考虑类人化汇入决策的DQN-LC2013模型，考虑类人化汇入决策的DQN-RF模型获得了更高的奖励值；当加速度动作取值空间为[-1,2] m·s^-2时，DQN-RF和DQN-L2013控制下的ICV通过汇入控制区域的平均加速度分别为0.55、0.09 m·s^-2，通过汇入控制区域的速度分别为21.4、19.7 m·s^-1；DQN-RF模型控制下ICV无停车等待现象，DQN-LC2013控制下ICV在100次汇入过程中出现了7次停车等待。提出的DQN-RF汇入控制模型可以实现类人化的驾驶决策，提高ICV通过汇入控制区域的效率和汇入成功率，可用于ICV通过高速公路加速车道汇入区域的汇入决策和纵向加速度控制。

轨迹规划仍然是自动驾驶技术大规模应用所面临的关键难题之一。例如，自动驾驶中的换道轨迹规划算法通常被构建为一个针对代价函数的优化过程。然而，为适应多样化的交通场景而手动调整代价函数中的特征权重，是一项极具挑战性的任务。针对这一问题，提出了一种基于异质边增强时空图注意力网络(Heterogeneous Edge-enhanced Spatial-Temporal Graph ATtention network, HEST-GAT)的新型换道轨迹规划方法。首先，采用逆强化学习技术，从大量专家级换道示范中提取代价函数的特征权重向量，构建了一个专家级换道示范数据集。然后，将交通场景构建为一个异质有向图，其中，交通参与者的位置定义为节点属性，交通参与者间的相对位置作为边属性，交通参与者之间的关联类型则定义为边类型。边的属性和类型组合，形成了边的特征表示。为捕获交通场景中的空间和时间信息，采用HEST-GAT网络进行特征提取，并计算了各场景下代价函数的特征权重。接着构建了一个结合轨迹特征和特征权重的代价函数，并通过优化过程生成最终的换道轨迹规划。为验证所提出方法的实用性，在真实驾驶数据集上进行了多轮换道轨迹规划测试和评估。研究结果显示：与基于时空图卷积网络方法相比，基于HEST-GAT的换道轨迹规划在模拟专家示范轨迹方面的误差显著减少。纵向舒适性、纵向效率、横向舒适性和安全性4项关键指标的误差分别降低了5.5%、5.4%、1.4%和6.0%。结果表明提出的方法能够生成与人类驾驶行为高度一致的换道轨迹，具有卓越的场景适应能力。

为了解决智能车辆在工况变化时跟踪精度下降和稳定性变差的问题，提出基于强化学习的变参数模型预测控制(MPC)算法多目标控制策略，实现智能车辆路径跟踪控制系统的参数自适应整定。基于车辆动力学模型设计其线性时变MPC控制器，获得最优前轮转向角和附加横摆力矩。基于Actor-Critic强化学习架构，设计进行控制参数整定的深度确定性策略梯度(DDPG)智能体和双延迟深度确定性策略梯度(TD3)智能体，构造以跟踪精度和稳定性为目标的收益函数，并搭建对接工况和变曲率工况2种典型仿真场景进行算法性能验证，当车辆处于对接工况时，根据路面附着系数的变化及时调整控制器的预测时域和权重矩阵；当车辆处于变曲率工况下时，针对道路曲率变化及时调整控制器的预测时域和权重矩阵。通过MATLAB/SimuLink、CarSim和Python联合仿真分析，将强化学习方法参数整定MPC与固定参数MPC和模糊控制方法参数整定MPC进行对比，结果表明：强化学习方法更能够在保证车辆安全性的前提下，尽可能提高智能车辆在不同路面条件下的路径跟踪精度。在对接工况下，强化学习方法参数整定MPC相较于固定参数MPC和模糊控制方法参数整定MPC，横向偏差平均值分别减少了99.8%和97.6%，前轮转角变化率平均值分别减小了99.7%和77.0%；变曲率工况下，横向偏差平均值分别减少了79.6%和90.8%，前轮转角变化率平均值分别减小了40.6%和2.6%。说明所提出的基于强化学习的智能车辆径跟踪变参数MPC多目标控制能够解决变工况下的路径跟踪的稳定性和跟踪精度控制问题，为复杂场景下的路径跟踪控制提供了一种思路。

基于场景的虚拟测试是研发高安全、高可靠智能汽车的必要手段，场景自动生成技术对于智能汽车测试场景库的构建具有重要意义。为此，针对多车动态测试场景，提出一种基于近邻目标区域表征(NORR)和条件变分自编码器(CVAE)的场景生成方法，实现复杂测试场景的快速生成以及对生成场景类型的控制。首先，针对高速公路场景特征，提出应用NORR方法对场景情境进行描述，将测试场景中关键车辆目标信息转化为尺度统一的灰度图像。接着，利用HighD自然车辆轨迹数据集提取大量场景片段，经过数据规范化处理后构建出真实场景库。在此基础上，以场景中车辆目标数量为条件参数，训练基于条件变分自编码器的生成模型，能够生成包含8条车辆轨迹的动态测试场景。通过计算生成样本集的匹配误差、覆盖度和不合理性3个指标，检验生成模型在样本真实性、多样性和合理性方面的表现。验证结果显示：①相比随机轨迹采样方法和基于GAN的生成模型，VAE模型生成的样本质量最好，其生成样本集的平均匹配误差小于5.22，覆盖度能达到57.2%，不合理样本比例仅为1.7%；②所提出的NORR方法有助于提高生成模型的场景生成效果；③CVAE模型能够在条件输入和生成结果之间建立关联性，通过调整条件参数可以改变生成场景中车辆目标数量。

针对智能汽车道路目标检测任务中单一传感器感知能力有限、多传感器后融合处理复杂等问题，提出了一种基于Transformer交叉注意力机制的多模态感知融合方法。首先，利用交叉注意力机制能较好地融合多模态信息的优势，搭建了基于深度学习方式的端到端融合感知网络，用以接收视觉与点云检测网络的输出，并进行后融合处理。其次，对点云检测网络的三维目标信息进行高召回处理，与视觉图像检测器输出的道路目标信息一同作为网络的输入。最后，通过网络实现二维目标信息向三维信息的融合，输出对三维目标检测信息的修正，从而得到准确度更高的后融合检测信息。在KITTI公开数据集上的验证指标表明，通过所提融合方法引入二维检测信息后，相比较PointPillars、PointRCNN、PV-RCNN及CenterPoint四种基准方法，对车辆、骑行人、行人3种类别的综合平均提升分别为7.07%、2.82%、2.46%、1.60%。通过与基于规则的后融合方法对比，所提融合网络在行人和骑行人中等、困难样本检测上，分别有平均1.88%与4.90%的提升。进一步表明所提方法具有更强的适应性与泛化能力。最后，进行了实车试验平台的搭建及算法验证，选取实车试验场景进行可视化定性分析，在实际道路场景下验证了所提检测方法与网络模型。

桥梁作为重要的基础设施，承担着道路交通和人员、货物运输等重要任务。桥梁表观病害的及时有效检测具有确保公共安全、延长桥梁使用寿命、及时排查风险等重大意义，有助于提高桥梁服役阶段的可靠性和耐久性。近年来，随着计算机视觉、人工智能等技术的快速发展，机器视觉法逐渐成为了桥梁表观病害检测的新兴手段之一。首先，通过详细分析近年来该领域的多篇相关文献，综述了基于机器视觉法进行桥梁表观病害检测的关键技术，包括检测平台研发技术、数据采集技术、图像处理技术、三维建图技术、病害定位技术和病害参数量化技术等。其次，通过分析现有研究开展检测工作的流程，总结了基于机器视觉法进行桥梁表观病害的技术框架，并分析了其中各个流程之间的功能与联系。上述关键技术的综述与技术框架的总结可为研究者开展检测工作提供一定的参考。最后，根据现有研究在实施检测任务时自动化程度的不同，提出了基于机器视觉法进行桥梁表观病害检测的智能化分级，包括人工检测辅助、病害定位检测、局部自动检测、整体自动检测、高度自动检测和完全自动检测6个等级。对比文献研究可知，现有研究虽然已经脱离了传统的人工检测的阶段，但仍与完全自动检测具有一定的差距。该领域仍具有较强的研究价值与广阔的应用前景。

当前，裂缝识别与监测一直是桥梁结构健康监测的重要研究内容。在桥梁结构现场检测与监测中，传统的裂缝识别与监测技术尚不足以满足实际工程的时效性和精确性需求，尤其是裂缝监测技术。基于深度学习的裂缝图像识别极大提升了裂缝检测的效率和精度，但目前仅能获得特定时刻的裂缝信息，缺乏对裂缝产生和演化过程的监测能力，而这些信息对混凝土结构服役安全量化和科学评价具有重要意义。鉴于此，对基于深度学习的裂缝识别与监测方法进行了系统研究，分析和讨论了裂缝数据集构建基准，改进优化了裂缝目标检测和语义分割算法，提出一种多任务集成一体化实时识别算法，并建立了该模型推理效果评价方法，优化了裂缝参数计算方法，最终形成了裂缝识别及动态扩展自动化实时监测方法。结果表明：所提出的裂缝智能识别与监测方法可以对新裂缝的产生和既有裂缝的全局演化实现良好追踪，监测数据可以为桥梁结构当前服役性能的科学量化评估提供支撑。

城市多模式交通系统是一个高度复杂而多元的交通网络，旨在有效地满足城市内人员、货物和服务的流动需求。多模式交通系统复杂性源于许多因素，包括不同交通模式间的耦合性，交通需求和供应之间复杂的相互作用，以及开放、异质和自适应交通系统的固有随机特性。因此，理解和管理这样一个复杂系统是一个非常复杂且困难的任务。随着交通以及其他领域多源大数据可获取性的增加，计算机硬件算力的增强，以及机器学习模型的飞速发展，大模型的概念被许多领域应用与实践，包括计算机视觉、自然语言处理等。将大模型的概念应用于交通领域，提出了一种根据交通拓扑结构分层“点线面”的多模式交通大模型框架(Multimodal Transportation Generative Pre-trained Transformer, MT-GPT)，旨在为复杂多模式交通系统中的多方位决策任务提供数据驱动的大模型。考虑到不同交通模式的特征，探讨了实现这一概念框架的核心技术及其整合方式，构思了适配交通的大模型数据范式与改进的分层多任务学习、分层联邦学习、分层迁移学习与分层Transformer框架。最后，通过搭建“任务岛”与“耦合桥”的框架讨论了这样一个多模式交通大模型框架在“点线面”3层大模型框架下的应用案例，从而为多尺度的多模式交通规划、网络设计、基础设施建设和交通管理提供智能化的支持。

针对现有爬壁机器人在高墩柱结构表观病害检测过程中存在的局限性，提出了一种基于环带视觉扫描的高墩柱结构表观病害攀爬检测作业机器人系统。首先，根据攀爬作业机器人的功能需求，设计了一种多足协同的攀爬检测作业机器人平台。其可通过上位机设定机器人作业过程中的运行参数，攀爬过程中利用安装在环形框架上的多个倾角传感器实时采集机器人的姿态信息，并通过所设计的系统算法实时校正其爬行姿态和精度。其次，设计了一种可搭载于作业平台的环形轨道及视觉扫描小车，其可携带工业相机、照明系统和高精度编码器实现对轨道方向的病害视觉扫描。最后，利用所采集的图像进行表观病害识别和测量，并以此为基础实现了表观病害的数字化档案。为测试验证其有效性，利用所搭建的样机，在西安广运桥和淮南寿春桥进行了现场试验，结果表明：本机器人系统可以实现墩柱结构的全域扫描，可以获取墩柱结构表观病害的高精度视觉图像，并能够准确地对其病害进行识别和量化，实现了墩柱结构表观病害的智能检测。

为了解决大型桥梁混凝土桥塔结构裂缝难以高效、安全、精准量化识别的问题，提出了基于爬壁机器人和Transformer的桥塔裂缝识别检测方法。该方法以基于负压吸附机制的爬壁机器人为装备载体，其可在混凝土桥塔上快速移动并近距离采集表观病害高清数据。通过建立包含图像拼接、特征金字塔Transformer (Feature Pyramid Transformer, FPT)裂缝分割网络、尺度量化计算的裂缝识别方法，得到裂缝关键位置的宽度数据，并输出裂缝全局分布可视化结果，有效提升了微小裂缝的分割和边缘定位精度。基于试验验证了该方法的可行性与识别检测精度，并成功将其应用于中国东部某跨海大桥主塔裂缝检测工程。检测结果表明：该法对实际桥塔表面分布在0.1~3.3 mm宽度范围内的多尺度裂缝进行检测，宽度量化的最大误差小于10%。研究成果具有较好的应用前景，有望进一步推进现有混凝土桥梁结构检测技术与装备的智能化发展。

为充分发挥Transformer模型在高分辨率桥梁裂缝图像分割上的优势，提出了一种基于Transformer和坐标注意力(Coordinate Attention, CA)机制的精细化级联分割方法(级联CATransUNet)。首先，开发了一个基于TransUNet的裂缝特征提取模块，用于从低分辨率裂缝图像中初步提取3个尺度的粗粒度裂缝特征；其中，CA机制被引入TransUNet的跳跃连接结构，从而增强TransUNet网络对微小裂缝特征的表征。然后，基于所提取的三尺度粗粒度裂缝特征设计了2个基于物理级联结构的精细化运算模块，实现了从全局和局部2个维度依次恢复裂缝主体与边缘区域的细粒度像素特征。此外，为了充分利用多尺度特征在裂缝边界的细粒度特征表征中的优势，在训练过程中引入了一个带有主动边界回归项的多尺度级联损失。在基于无人机所采集的桥梁高分辨率裂缝图像上开展的消融性试验证明了所提出各组件的有效性。最后，在4 K分辨率的桥梁裂缝图像上开展了对比试验，结果表明：级联CATransUNet在不增加显卡内存需求的前提下，相较于此前最先进的基于传统卷积神经网络(Convolutional Neural Network, CNN)搭建的高分辨率图像精细化网络Segfix和CascadePSP，平均交并比(mean Intersection over Union, mIoU)和平均边缘精度(mean Boundary Accuracy, mBA)分别提升了5%和7%以上。采用级联CATransUNet可实现对高分辨率裂缝图像的精细化分割，为检测人员提供更加全面、准确的结构裂缝信息，从而为结构安全状况评估以及维护决策制定提供技术支撑。

高吸水性树脂(Super-absorbent Polymer, SAP)因其优异的吸、储、释水特性已发展成为理想的混凝土内养护材料之一。为了明晰SAP吸-释水行为与混凝土性能之间的联系，提升SAP的养护效率和混凝土性能，总结了SAP吸-释水的3种理论，系统分析了SAP在不同溶液中的吸-释水行为、SAP与水泥浆体间的水分交换机制及SAP与混凝土内部湿度之间的关系；论述了SAP水分运移行为研究方法，分析了各方法的特点及适用性；从水化行为、孔结构和微观形貌的角度探讨了SAP粒径、掺量及额外引水量对混凝土性能的影响。结果表明：离子网络理论、溶液热力学理论和凝胶相转变理论可以很好的阐释SAP在不同溶液中的吸-释水行为，SAP内部吸附水和毛细水的含量是影响SAP释水周期的关键因素，SAP的吸-释水特性决定了混凝土内部水分的分布；SAP内养护混凝土的微观结构和宏观性能受SAP掺量、粒径和额外引水量等参数综合影响，合适的参数可使水化产物填充SAP释水产生的孔洞，细化混凝土孔结构、提高密实度、改善力学性能并提升耐久性。SAP还可提高混凝土的自愈合能力、提升耐火剥落性及实现藻类在混凝土上的定植等。未来应进一步明确SAP在混凝土内部的形态演变及其在混凝土中的吸-释水动力学行为，阐明SAP与混凝土内部水分分布的相互关系，从而实现对SAP内养护混凝土的精细化设计。

现有道路设计规范考虑了驾驶人感知反应时间和车辆动力学特征，而自动驾驶汽车与驾驶人在感知反应时间、感知距离和感知高度等方面存在差异。这些差异可能会导致自动驾驶汽车在特定道路条件下面临挑战，例如复杂的道路线形、不规则交叉口等情况。为了解道路基础设施对自动驾驶汽车运行的影响，需要开展面向自动驾驶的道路适驾性研究。针对不同道路类型，道路几何设计、交通控制设施和路侧设施等对自动驾驶汽车安全运行影响的定量研究尚不充分。从路段、交叉口、交通标志标线3个方面进行归纳整理，结果表明：①现有的研究建立了道路线形设计、交叉口几何设计与自动驾驶感知能力的关系，发现平曲线半径、弦长和曲线偏转角等设计指标影响自动驾驶视距；②实车测试发现道路类型、平曲线曲率和车道宽度对自动驾驶失效事件具有显著影响；③随着自动驾驶汽车市场渗透率的增加，自动驾驶汽车之间交互行为规则更加明确，有利于提升道路适驾性水平；④自动驾驶的感知识别准确率会受到交通标志的反光性能和设置位置的影响，失效概率与交通标线的尺寸、逆反射亮度系数以及延长线相关。面向未来自动驾驶应用需求，针对已建道路，需要测试不同复杂工况条件对自动驾驶汽车运行的影响；针对拟建道路，应研究道路设计对自动驾驶汽车性能和安全的影响。

为了减小传统摩擦耗能支撑在强震作用下的残余变形,提出一种基于形状记忆合金(SMA)板材的新型装配式自复位变摩擦耗能支撑(S-SCFB),该支撑主要包括SMA板圆环自复位系统和摩擦耗能系统。首先阐述了新型支撑的基本构造,揭示了其工作机理和自复位原理；通过开展SMA板材的材性试验研究了其力学性能,基于SMA板材的力学性能和支撑的工作机理,建立了新型支撑的简化分析模型；然后基于ABAQUS有限元软件建立了新型支撑的精细化实体有限元模型,将数值模拟结果与简化分析模型进行了对比分析,系统地研究了新型支撑的滞回性能及影响规律,同时在OpenSees软件中2次开发了新型支撑的恢复力模型；最后,基于新型支撑优良的滞回性能,将其应用到双柱式桥墩中提升桥墩的抗震韧性。研究结果表明:SMA板材本构模型呈“旗帜”型,具有承载力高,变形能力强,自恢复能力良好等优点；基于SMA板材装配的S-SCFB具有稳定的耗能能力和优良的自复位功能,卸载后无残余变形,同时建立的简化分析模型与数值模拟结果吻合较好；通过调整S-SCFB的设计参数,可有效实现调节S-SCFB滞回性能的目的,具有良好的可调节性；附加S-SCFB可以有效提高桥墩的强度和刚度,降低结构的残余位移,有效提高桥墩结构的抗震性能。

为探究岩层隧道各因素对管片荷载结构响应的影响规律，采用理论模型推导了岩层隧道外荷载与结构内力响应及位移响应的解析解。基于岩层隧道管片荷载结构特征，探究了上覆围岩荷载、水头高度、岩层侧压力系数、等效抗弯刚度系数、隧道直径、管片厚度以及混凝土等级等7个主要影响因素对管片荷载结构响应的影响规律；并结合成都市锦绣隧道现场监测试验进行了验证。研究发现：上覆围岩荷载增大与岩层侧压力系数的减小将显著增大管片内力与位移响应；水头增大对管片弯矩与径向位移的影响较小，将大幅增大管片轴力水平；等效抗弯刚度系数的增大不影响管片内力响应，但会使结构径向位移小幅减弱；隧道直径增大将导致管片弯矩、轴力与径向位移小幅增大；管片厚度对结构内力响应影响较小，厚度减小将使管片径向位移小幅增大；混凝土等级变化对隧道荷载结构响应影响细微。对比现场监测结果与模型计算结果，所得荷载结构响应规律相似，表明所提出的分析方法具有较高的准确性。

营运车辆驾驶人因其职业特殊性，驾驶过程中易产生分心驾驶行为从而引发重大交通事故。为提高营运车辆驾驶人分心驾驶行为的检测准确性和泛化性，提出一种基于改进MobileViT网络的驾驶人分心行为检测方法。首先，基于自然驾驶实车试验，构建包含安全驾驶、使用手机、喝水、整理仪容和与副驾驶交谈5类行为的营运车辆驾驶人分心行为数据集。其次，将注意力机制引入轻量型MobileViT网络，通过选择有效的网络主干MobileViT、注意力模块CA、网络嵌入位置从而设计出最优分类模型MobileViT-CA。研究结果表明：所提出的MobileViT-CA分类模型可以有效提升分类网络的性能，在正常光照条件下的营运车辆驾驶人分心行为数据集和State Farm数据集上分别达到了96.57%和99.89%的准确率，且模型具有体积小、检测精度高的优势，有较高的可靠性和泛化能力。

决策与规划是自动驾驶系统的中枢，是提高自动驾驶车辆行驶安全、驾乘体验、出行效率的关键。其面临的主要挑战在于如何满足自动驾驶所需的极高可靠性和安全性，以及如何有效应对场景复杂性、环境多变性、交通动态性、博弈交互性及信息完备性并产生类人化的驾驶行为，使车辆自然地融入交通生态。为全面了解决策与规划的前沿问题与研究进展，对其技术要点进行系统梳理与总体概述。首先，从数据驱动的驾驶行为预测、概率模型的驾驶行为预测、个性化驾驶行为预测三方面综述了面向态势认知的行为预测的研究进展；其次，将行为决策总结归纳为反应式决策、学习式决策、交互式决策并逐一进行了分析；再次，从方法论的角度对运动规划及其应用进行对比分析，具体包括图搜索方法、采样方法、数值方法、拟合插值曲线方法等；然后，针对端到端的决策规划的关键科学问题和主要研究进展进行了归纳分析；最后，总结了决策规划对提升自动驾驶车辆智能化水平的重要影响，并展望了其未来的发展趋势与面临的技术挑战。

为进一步提升中国汽车工程学科实力，促进中国汽车技术发展，从汽车电动化与节能、汽车智能化与网联化、汽车动力学与控制、汽车噪声-振动-声振粗糙度（Noise，Vibration，Harshness，NVH）控制与轻量化、汽车电子电气与软件技术、汽车测试与评价技术6个方面，系统梳理了国内外汽车工程领域近年的学术研究现状、前沿热点问题、最新研究成果及未来发展前景。汽车电动化与节能梳理了纯电动汽车、插电式混合动力汽车、氢燃料电池汽车、增程式电动汽车和节能汽车的关键技术研究；汽车智能化与网联化梳理了智能驾驶环境感知技术、自动驾驶定位技术、智能车决策规划、运动控制技术、车路协同、智能安全技术、车联网安全技术和智能座舱与人机交互等研究；汽车动力学与控制梳理了线控制动技术、线控转向技术、线控悬架技术和线控底盘协同控制技术研究；汽车NVH控制与轻量化梳理了汽车气动噪声预测与优化、纯电动汽车系统的NVH控制、声学超材料与汽车结构振动控制、汽车噪声主动控制、汽车轻量化技术以及碰撞安全技术等研究；汽车电子电气与软件技术梳理了汽车电子电气架构、汽车软件技术与空中下载技术（Over the Air，OTA）升级、芯片与系统功能集成等研究；汽车测试与评价技术梳理了燃油车、新能源汽车和智能网联汽车的测试与评价技术等研究。该综述可为中国汽车工程学科研究的进一步发展提供研究参考，为汽车工程关键技术发展提供方向引导。

历史震害表明，穿越活动断层隧道损坏严重且震后修复或重建难度巨大，提升强震活动断裂区隧道抗震韧性已成为工程建设面临的关键难题。在调研穿越活动断层隧道结构典型震害实例的基础上，总结分析了震害启示并指出穿断层隧道结构抗震设计需要重点关注工程场地地震危险性评估、穿断层隧道抗震设防策略和安全防控措施3个方面；其次，结合文献调研，综述了目前穿断层隧道结构抗震研究相关工作，重点阐述了穿越活动断层隧道抗震分析方法、结构灾变机制认识和抗减震控制措施等方面的研究现状；在此基础上，搭建了穿越活动断层隧道工程抗震韧性的统一设防理念和设计框架，提出以“震前预留、震中稳定、震后恢复”为核心思想的隧道结构抗震韧性设防目标，并进一步考虑强地震动-活动断层位错耦合作用，建立了“场地分区、结构分段”的隧道抗震设防分区准则，提出了面向不同地震设防水准以“抗（减）、让、诱（避）/抢”分阶段的隧道抗震韧性设计思想，从而为穿越活动断层隧道抗震韧性设计提供了全过程防控策略；最后，讨论了目前穿断层隧道抗震研究急需攻克的关键科技问题，并对该领域今后研究工作的发展方向提出了展望。该研究旨在为穿越活动断层隧道工程建设提供面向抗震韧性的统一设防理念和设计策略，同时也为今后抗震工作的研究重点指明方向。

随着人工智能的大力发展，采用智能算法进行非线性映射的深度学习为解决隧道及地下工程长期依赖经验设计的现状提供了新的思路。通过多指标融合（力学及变形控制指标、支护体系协同度相关系数）提出了一种以适配度表征的支护体系评价方法，并基于该方法收集了公路隧道718个断面、铁路隧道486个断面信息用于搭建算法训练的数据样本库。将隧道工程背景信息中岩石坚硬程度、完整程度、岩层厚度、地下水量、埋深水平、地质构造、施工工法、内轮廓形式共计8种属性作为输入指标，将支护体系中喷射混凝土+钢筋网、锚杆、钢拱架、二次衬砌、超前支护共计5种标签作为输出指标，对输入输出指标进行了量化处理。在对比了PSO-SVM、SA-PSO-SVM、CLS-PSO-SVM算法在支护体系智能反馈模型应用中的特点后，对生成的智能设计及反馈模型进行了检验。研究结果表明：评价方法首先剔除了偏弱设计方案，对强支护和一般支护方案的适配度分别为4.28、4.68，验证了该方法在保证结构安全的前提下可对材料性能利用率作出评价；3种智能算法中，搜索范围最广的CLS-PSO-SVM算法反馈准确率最高但耗时最长，而PSO-SVM算法虽耗时最短但准确率最低；最终，利用CLS-PSO-SVM算法设计的5种输出标签的准确率分别为93.4%、92.6%、89.3%、91.8%、94.3%，5种输出指标的综合准确率为81.1%。

鉴于传统电阻应变片法现场测试锁脚锚管应变存在诸多局限，基于光纤光栅传感技术，设计制作了φ50光纤光栅锁脚锚管，开展了光纤光栅法测试锁脚锚管应变的现场试验，分析了软岩隧道锁脚锚管受力特性及支护作用，进而建立了软岩隧道锁脚锚管力学分析模型，推导了锁脚锚管对软岩隧道初期支护拱脚支承刚度的计算公式，探讨了锁脚锚管各参数对拱脚支承刚度的影响规律和敏感度。结果表明：受隧道分部开挖扰动及锁脚锚管连接方式影响，锁脚锚管管身各测点处应变变化规律十分复杂；从管身应变整体分布看，锁脚锚管靠近钢架一端的应变明显大于管身其他部位，靠近钢架一端的应变随时间的变化幅度也明显大于靠近围岩深处一端；锁脚锚管横向以上、下弯曲变形为主，轴向受到拱脚传递的压力，随着锁脚锚管角度的增大，其轴向承压特性越来越显著；锁脚锚管轴向锚固作用很小，主要发挥横向抗弯抗剪能力约束拱脚沉降，对拱脚水平收敛变形的约束作用有限；增大锁脚锚管直径对提升拱脚竖向支承刚度最为有效；锁脚锚管轴向支承条件较差时，增大其角度会显著降低拱脚竖向支承刚度，此时应确保钢架与围岩之间密贴；随着锁脚锚管管身长度的增大，提供的拱脚竖向支承刚度呈现出“先快速增长，然后缓慢增长”的规律；考虑锁脚锚管受力特点及工程经济性，建议φ50锁脚锚管长度取2.5 m。

为提升超大直径盾构隧道管片拼装精度及质量，对管片自适应拼装和纠偏曲线计算进行了研究。研究明确了盾构隧道三轴线之间的相互关系和影响管片自适应拼装的控制因素，建立了综合考虑各项控制因素的管片自适应拼装函数。此外，针对盾构机与隧道设计轴线的相对位置进行了分类，通过考虑盾尾间隙控制、推进油缸最大行程差等影响因素，得到了最小纠偏半径，并建立了相应的盾构掘进纠偏曲线计算的数学模型，实现了盾构掘进纠偏曲线的合理化设计。最后，基于Python语言开发了可实现多目标调控的盾构管环动态自主纠偏系统，并通过重大工程应用验证了其在实现管片自适应拼装、掘进曲线纠偏及油缸精确推进全过程的准确化、高效化和信息化。

钢壳沉管隧道在火灾高温下易出现强度退化、结构承载性能下降甚至失稳破坏等情况，因此有必要开展火灾高温下钢壳沉管隧道结构温度场分布规律等基础研究。以国家重大工程“深中通道海底沉管隧道工程”为依托开展了系统研究。首先推导了火灾高温下钢壳混凝土结构瞬态温度场求解简化解析公式，然后在管节结构局部全尺寸火灾试验的基础上，拟合了工程尺度下钢壳-混凝土界面接触热阻值，并通过建立具有等效薄层结构的数值模型验证了理论求解的正确性，最后基于解析方法进行了温度场的计算与分析。综合3种方法分析得出以下结论：①基于理论解析公式对火灾试验结果的拟合，分析得到钢壳-混凝土界面接触热阻近似值为0.01 m²·K·W^-1；通过具有等效薄层结构的数值模拟结果与理论解析解的拟合分析，得到等效薄层结构的密度、比热容和导热系数分别为1.29 kg·m^-3、1 005 J·（kg·K）^-1和0.1 W·（m·K）^-1。②通过理论解析方法，对火灾温度场进行了分析，分析结论与数值模拟、模型试验结果基本一致；火灾高温对钢壳-混凝土结构的影响深度主要在400 mm左右，400 mm以后结构温度增加不大。③由于钢壳和混凝土2种材料的导热性能不同，以及两者之间的界面接触热阻效应，致使钢壳与混凝土交界面处在火灾曲线的不同阶段出现温度突减和突增现象，并且整个管壁结构温度场在升温、恒温阶段及降温阶段前期出现“外高内低”现象，在降温阶段后期出现“外低内高”现象。提出的温度场分布规律为依托工程设计提供了依据；提出的界面接触热阻值确定及其等效模拟方法，可为类似工程计算分析提供参考借鉴。

当前，中国工业废弃料堆存量大且资源化利用率低，工业废弃料资源化利用对促进社会可持续发展意义重大。由于环保要求的加强和自然资源的短缺，采用工业废弃料改性不良路基土成为减轻道路材料短缺和加速绿色建筑材料开发的重要途径。详细综述了赤泥、矿渣、钢渣和粉煤灰等典型工业废弃料的工程特性和前处理工艺，及其改良路基土的关键技术方法。通常采用水洗法处理赤泥、矿渣和粉煤灰，采用蒸汽造粒法处理钢渣，接着利用单掺、工业废弃料-无机矿物复掺和工业废弃料碱激发等手段改良特殊土路基。针对膨胀土、黄土和重金属污染土的工程特性差异，通常采用工业废弃料单掺改良膨胀土和黄土，利用复掺处治重金属污染土。工业废弃料改良技术显著降低了特殊土的液限和塑性指数，提升了其强度和耐久性，并有效抑制了重金属离子的迁移过程。此外，还从力学特性、微观形貌、化学组成和反应机制等方面，详细归纳了工业废弃料改良土的宏微观物化特性，剖析了工业废弃料处治路基土的改良机理，提出不同特殊土路基的改良方案。目前，关于工业废弃料改良特殊土路基长期路用性能演化规律的研究成果甚少，建议针对该领域广泛开展研究。

为促进高速公路的智能化转型升级，实现新技术与交通应用的有效融合，对智能高速交通应用技术的发展现状和应用前景进行分析。首先在梳理国内外智能道路发展经验和技术成果的基础上，借鉴智能车辆公路系统技术演变过程对智能高速公路系统进行定义，并探讨智能高速公路对交通应用需求、功能需求和技术需求的定位。进而以问题为导向、需求为牵引、技术为支撑，围绕路网状态精准感知、交通运行协同管控和用户交互智能服务三方面的交通应用技术展开综述研究。并根据综述发现探讨相关技术发展与应用存在的难点和问题，展望未来领域的研究重点和发展方向。研究发现：这些交通应用技术的协同发展和集成是路网融合感知、协同交通管控、安全需求管理、基础设施管养、智能服务交互等多领域耦合发展的重要条件；未来技术发展中，车路云协同感知和多源异步异构数据融合是技术突破，智能协同管控、运维管养和服务交互是技术转化方向；工程实践中，特定试验场景应逐渐过渡到复杂的高速场景，交通监控系统应与各智能终端协同，以及交通高效预测、混合交通协同、预防性智能养护是应用挑战。该综述分析可为中国智能高速公路的技术研发、工程应用以及未来示范工程的技术应用转化提供重要参考。

随着城市化进程不断加快，城市功能分区正从规模增长向质量提升转型发展，优化城市空间布局、深化多模式融合交通运营和打造一体化出行服务平台是城市交通数字化转型的核心需求，挖掘城市交通出行特征并对其进行分析，有助于完善城市立体化交通服务体系、满足多样化出行需求、推进城市用地合理开发利用以及指导城市决策者制定合理的规划措施。蜂窝信令数据（Cellular Signaling Data，CSD）具有覆盖范围广、样本量大、可长期连续监测等优势，蜂窝网络大数据可以较低的成本挖掘大规模人口的起讫（Origin Destination，OD）分布和出行行为模式，是促进未来城市智能交通发展的重要组成部分。基于此，对现有交通信息采集方法、发展制约因素和蜂窝信令数据价值进行了总体概述，梳理了面向蜂窝网络大数据的城市交通出行特征挖掘框架、关键技术研究进展和未来发展方向。首先，依据基于蜂窝信令数据的城市交通出行特征挖掘系统的功能规划与发展需求给出了其架构设计与应用框架。其次，从蜂窝网络出行链构建角度总结了蜂窝移动通信网络结构、出行链特征与提取框架，阐述了针对出行链中噪声数据和轨迹震荡的数据优化方法，以及出行链轨迹与实际路网融合时的路网匹配技术。然后，面对蜂窝网络大数据驱动下的城市空间结构优化与多模式交通发展需求，从人口流动监测、出行模式识别、行为分析与预测等城市交通出行特征挖掘方面详细介绍研究现状。最后，从5G优化定位、多源数据处理与挖掘、细粒度出行模式识别、基于组件的系统模型体系构建等方面指出了未来研究的技术方向和发展趋势。

工程材料的革新是推动土木工程结构发展的重要驱动力,工程结构的发展又将促进工程材料不断突破。超高性能混凝土(Ultra High Performance Concrete, UHPC)是一种具备超高强度、高韧、高耐久、高抗爆等优异性能的新型超级混凝土,能较好地适应下一代桥梁工程大跨化、轻型化、高性能化的发展趋势。为促进UHPC在桥梁工程领域的研究与应用,系统梳理了近年来UHPC桥梁学术研究现状、热点前沿、存在问题、具体对策及发展前景。首先总结了UHPC材料研究进展,包括材料组成、基本力学特性与桥梁用UHPC发展历程。然后对UHPC结构设计理论研究进行了梳理总结,包括考虑纤维贡献的UHPC结构受弯受剪计算理论、UHPC结构抗冲击、抗爆与疲劳计算方法等,并重点介绍了无腹筋UHPC桥梁、钢-UHPC组合桥梁、UHPC用于桥梁抗震、UHPC桥面铺装、UHPC用于桥梁加固等结构体系创新研究进展。基于以上UHPC研究与工程应用现状,指出了UHPC在桥梁工程领域规模化应用面临的关键问题、主要挑战及实现技术路径,以期对UHPC在桥梁工程领域的学术研究和规模化应用提供新的视角和参考。

随着国家践行"双碳"战略和工业化建筑时代的到来,桥梁作为生命线节点工程正在向着装配化、工业化的方向大步迈进,而钢管混凝土组合桁梁桥作为一种高性能组合结构桥梁形式在承载性、承灾性及装配化等方面具有优势,融合"工业化建造""绿色建材"理念是实现钢管混凝土组合桁梁桥绿色建造的有效手段。为此,从高传力体系、高承载力结构构造及高承载力节点构造等方面阐述了矩形钢管混凝土组合桁梁桥的构造优势,证明其是一种高承载性能桥梁结构形式,从高韧性与高经济性方面进一步论述了矩形钢管混凝土组合桁梁桥的优势所在,并就抗震性能、工程经济性与常规混凝土梁桥进行类比;而后从全预制件装配单元、预制件现场快速拼装角度阐述了矩形钢管混凝土组合桁梁的工业化建造理念,提出与快速拼装相适应的构造措施,并对具有绿色高强优点的碱激发UHPC混凝土应用于钢管混凝土组合桁梁桥进行了构思和设想;最后通过典型工程实践证实了钢管混凝土组合桁梁桥具有轻质高强、力流传递明确的显著特征和高效的装配建造性能。

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现:现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一步发展。

伴随着车路协同技术在交通领域的应用,交通控制向着自动化、主动化及协同化的方向发展,并催生出新型交通控制方式——轨迹级交通控制(Trajectory Based Traffic Control, TTC)。轨迹级交通控制通过调节网联自动驾驶车辆(Connected and Automated Vehicle, CAV)的轨迹,来控制网联自动驾驶车辆与人类驾驶车辆(Human-driven Vehicle, HV)共同构成的新型混合交通流,实现交通流运行效益的最大化。轨迹级交通控制研究已是国际上交通前沿研究的热点与难点,但仍处在前期理论研究阶段,研究内容较为分散。基于此,回顾了已有文献中的研究,凝练了轨迹级交通控制的概念与特点,并从轨迹级交通控制构架、局部协调控制系统、广域协同控制系统3个层面出发,体系化梳理了轨迹级交通控制的系统框架及各系统模块的研究进展。通过梳理发现,虽然轨迹级交通控制理论研究已进展到一定深度,但大多数研究的理论假设较强,并未充分考虑真实道路环境下新型混合交通流的群体特征、风险特征和异质特征,难以形成可大规模落地应用的技术储备。因此,从交通群体博弈与共识机制、面向多源风险的轨迹级稳健控制方法及大规模异构交通测试与实证分析3个方面进行展望,为轨迹级交通控制研究提供参考。

自然风场复杂风况参数、非线性气动力与流固耦合作用等是桥梁风工程面临的系列主要挑战。在过去几十年中，风洞试验、CFD数值模拟和结构健康监测(SHM)积累了大量桥梁结构风与风效应数据，这为风工程的研究提供了宝贵的数据资源。由于具有良好的非线性表征能力、强大的优化算法、优异的泛化性能和灵活的网络结构，近年来机器学习(尤其是深度学习)在非线性科学和工程问题中取得了巨大成功。融合机器学习算法和大数据的数据驱动方法有助于克服桥梁风工程所面临的挑战，并从海量数据中挖掘物理新知识。目前机器学习方法已应用于风工程研究的各个领域，例如风环境、空气动力学、风致振动、气动优化和控制以及风灾害评估等。为系统总结梳理该领域的最新研究成果，从桥梁风环境机器学习预测、结构风压和气动力机器学习预测、桥梁风振机器学习预测3个方面重点介绍机器学习方法在桥梁风工程中的应用进展。

由于风洞试验和理论模型的各种不确定性，通过风洞试验获得的颤振导数及相应的颤振临界风速存在不确定性。为了量化这些不确定性，提出了一种创新的近似贝叶斯方法。该方法通过抽样和模拟来近似表达似然函数，从而实现颤振导数的准确识别和不确定性量化。同时，还研究了颤振导数不确定性在颤振分析中的传播情况。采用子集模拟技术与近似贝叶斯方法相结合，以提高参数后验样本的抽样效率。该方法不仅能够获得颤振导数和颤振临界风速的最优估计，还能获得其后验概率分布。通过理想平板数值模拟和实桥主梁断面风洞试验，验证了该方法的有效性，并将其与传统最小二乘法进行了比较。研究结果显示:该方法得到的颤振导数最优估计与最小二乘法结果非常接近；在低风速下，所有导数的不确定性都较小，而在中高风速情况下，大多数导数都具有较大的不确定性，尤其是接近颤振临界风速时，所有导数的不确定性均较大；颤振导数的不确定性会在颤振分析中传播，导致颤振临界风速也存在较大的不确定性。所提出的近似贝叶斯方法能够准确识别颤振导数，并量化其不确定性，从而实现桥梁颤振性能的概率性评价；为桥梁颤振分析提供了新的思路，为确保桥梁的抗风安全提供了有力支持。

快速路汇入区是典型的常发性瓶颈，其交通流失效严重制约系统通行效率，影响交通安全。现有研究实证发现，大量汇入瓶颈存在早发性失效现象，这进一步加剧了瓶颈制约作用，而目前尚未有理论方法对这一独特现象进行建模仿真与致因分析。为探究瓶颈交通流早发性失效致因，系统分析了瓶颈驾驶行为新特征，并对其进行深度建模与仿真；进一步地，基于大量仿真试验，利用因果推断理论，探究早发性失效机理。作为系列研究的第一部分，重点探讨瓶颈交通流高精度建模仿真问题。基于上海延安高架虹许路汇入区轨迹数据，在对比分析现有汇入区建模仿真研究的基础上，突破传统驾驶行为建模单向交互、单次决策、单维博弈的确定性行为分析范畴，发现并定义了3类新的汇入行为：主动-回应汇入、并行式汇入、延迟汇入。根据对新行为决策过程的解耦，对汇入的动机生成、间隙选择、换道执行等各阶段均提出了全新的建模方法。进一步地，针对传统汇入仿真框架中各个阶段采用串行序贯决策的方式，忽略了驾驶人和环境状态的时变性，提出了多阶段时序决策的汇入仿真框架，并整合新汇入行为模型，形成了瓶颈交通流汇入仿真新框架。最后，基于该框架构建了汇入区瓶颈交通流仿真原型系统。该仿真原型系统能够高精度再现各类汇入行为特征，相比于传统汇入仿真框架和VISSIM都具有显著优势。仿真结果显示，在汇入间距/位置/速度等汇入区交通流关键参数分布上与实证数据无统计学显著差异，并能准确复现瓶颈早发性失效现象及速度时空演化特征。该高可信仿真系统的构建，为早发性失效的致因分析及管控优化提供了有力支撑。

获得桥面的高分辨率时变流场对研究桥梁风致问题尤为关键，然而受传感器布设与测量方法等因素制约，难以通过试验直接测得高空间分辨率的流场数据。机器学习是流场表征的有效手段，但是数据驱动的训练方法在已知样本较少时难以获得准确的模型。针对此问题，引入流场时程的人工神经网络方法，使用流体控制方程辅助模型训练，通过增加未知测点处的方程约束提高模型的精度，得到了考虑物理约束的桥面风场时程的机器学习重构模型。以低雷诺数桥面绕流为例，实现了基于稀疏已知测点时程数据的模型训练，得到了较好的效果。结果表明：通过引入未知测点处的控制方程约束，可在较少已知时程数据的情况下，获得更准确的桥面风场重构模型，为人工智能方法在风场实测时程数据中的应用提供了基础。

通过风洞试验和数值模拟获得主动气动翼板优化控制参数需要庞大的试验和计算成本，并且难以得到最优的翼板控制参数。基于流线箱梁主动气动翼板颤振控制的风洞试验数据，以翼板与主梁扭转运动相位差为输入，颤振临界风速变化比例为输出建立BP人工神经网络模型，对神经网络进行训练得到了主动气动翼板颤振临界风速预测关系。结果表明：预测输出值和实际值之间误差为5%左右，相关系数为0.965；使用训练得到的人工神经网络模型以1°增量对0°~360°范围内的气动翼板相位差进行遍历计算，得到了两侧翼板相位差对主梁-翼板系统颤振性能的影响规律，当迎风侧翼板相位差位于180°~360°内时系统颤振性能得以提高，最优参数组合为迎风翼板相位差231°，背风侧翼板相位差63°；利用获得的最优气动翼板相位差参数组合，建立了主梁-翼板系统流固耦合模型，对试验和神经网络模型的最优参数的颤振控制效果进行验证，证明了神经网络对颤振控制预测的准确性。提出的通过数据量较少的试验数据训练构建人工神经网络模型，构建预测主梁-翼板系统颤振性能的理论框架，显著改善了颤振控制效果，实现了高精度主动气动翼板颤振的优化控制。

为实现下击暴流风场高精度数值模拟，基于冲击射流模型开展稳态下击暴流数值模拟，引入网格滑移技术实现下沉气流移动效应的模拟，研究下击暴流移动过程中的风场演变规律；提出以实测数据为目标的下击暴流模拟参数优化方法，将目标风速时程抽象为若干特征点，通过模拟特征点与目标值的误差建立目标函数；将代理模型引入下击暴流模拟参数优化的过程以提高计算效率，并通过数值模型计算设计样本点响应来训练代理模型；通过5组测试算例验证Kriging模型的代理精度和参数优化方法的可行性，采用所提出的优化方法以安德鲁斯空军基地(AAFB)所监测的下击暴流风场为目标进行模拟参数优化，并基于此参数进行数值模拟。研究结果表明：下沉气流喷口速度U_j、喷口移动速度U_T和环境风速U_b的相对值是影响下击暴流平均风速时程时变特征的关键因素；在参数优化过程中引入代理模型替代数值模型参与优化迭代，极大地提高了参数优化的效率；基于最优参数进行数值模拟，显著提高了下击暴流数值模拟的精度。

气动力是影响桥梁结构稳定性和安全性的关键因素之一，其演化规律受其自身非定常特性和计算机精度的影响，很难实现长时间预测。准确预测桥梁结构的气动力特性对结构设计和振动控制具有重要意义。风洞试验和数值模拟是目前气动力研究中应用最广泛的方法，但风洞试验成本高，且难以模拟复杂风场条件，数值模拟对计算资源又具有强依赖性。因此，为了实现计算量和计算精度的平衡，利用长短期记忆(Long Short-term Memory, LSTM)网络开发了一种不同风攻角桥梁非定常气动力时序预测模型。该模型以不同风攻角下0~n时刻的气动力系数为输入，以n+1时刻的气动力系数为输出。首先，基于开源Tensorflow库构建LSTM网络框架；其次，基于3°、4°和5°三个风攻角的桥梁主梁非定常气动力数值模拟结果构建训练集和测试集，并进行模型训练；最后，利用训练好的模型基于风攻角分布进行内插和外推预测。在内插预测时，基于风攻角为3°和5°时的气动力系数构建数据集对模型进行内插训练，对风攻角为4°时的气动力系数进行预测。在外推预测时，基于风攻角为3°和4°时的气动力系数构建数据集对模型进行外推训练，对风攻角为5°时的气动力系数进行预测。结果表明：LSTM预测结果与数值模拟结果随时间变化的轨迹、振幅和周期基本一致，验证了所构建模型的预测能力。为了进一步验证模型的泛化性，使用已经训练好的LSTM外推预测模型对风攻角为0°和-3°时的气动力系数进行预测，结果显示该模型可以较好地预测原始结果。因此，该算法在桥梁结构非定常气动力预测中具有应用潜力，可为工程应用提供技术支持。

为了改善桥梁在风场中的气动性能，提出一种基于深度强化学习(Deep Reinforcement Learning, DRL)算法驱动的主动吸气流动控制方法，DRL算法吸气控制策略能够根据风场环境进行柔性调整。根据桥梁尾缘旋涡脱落位置，吸气槽设置于相对来流方向的桥梁尾缘底板转角处。通过DRL与计算流体动力学(Computational Fluid Dynamics, CFD)耦合平台DRLinFluids，进行了二维风场环境下主动吸气控制研究。结果表明：①DRL算法吸气控制下，桥梁脉动升力、脉动阻力、脉动弯矩分别较无控制情况下减少了99.2%、92.9%、98.5%，同时桥梁时均阻力与弯矩分别下降21.3%与98.3%；②DRL算法吸气控制下，桥梁尾流的旋涡脱落被抑制，尾流涡由周期性交替脱落的旋涡变成稳定的长尾状尾流，延后了旋涡脱落位置；③DRL算法吸气策略由前期大振幅波动逐渐过渡至小振幅波动。此外，高能耗的大振幅吸气时间与改善流场的耗时吻合。流场进入稳定阶段后，策略转变为小振幅低能耗吸气状态。