人工智能技术已成为国家战略科技的核心组成部分，其与桥梁抗震工程的结合正成为增强基础设施抗震韧性的关键途径。桥梁抗震分析长期面临物理模型复杂、效率与精度难以兼顾等挑战。针对上述问题，系统评述了传统机器学习模型、深度学习模型及新一代AI融合技术在桥梁抗震分析中的应用与创新，涵盖：①复杂地震动智能合成与输入；②抗震能力分析与需求预测；③损伤评估与易损性分析；④韧性评估与恢复策略优化；⑤大规模桥梁群网络抗震分析。人工智能显著提升了桥梁抗震分析的效率与精度，为探索多参数、强非线性问题开创了新局面。然而，现有人工智能模型仍存在物理规律支撑不足、模型泛化能力弱、异源数据难以有效整合等难题。未来，人工智能技术在提升物理规律可解释性、发展多模态感知技术、构建高仿真数据库、增强模型泛化能力、开发新型智能算法等方面，将进一步推动桥梁抗震领域的发展。该研究有助于推动桥梁抗震研究范式从依赖人工经验向物理规律与人工智能深度融合转变。
近断层区域桥梁灾后快速评估对节约抗震救灾时间和推进灾后重建有着重要的推进作用。为了快速准确地预测近断层桥梁地震响应和桥梁结构损伤易损性，提出了一种基于深度学习的近断层桥梁地震响应和易损性快速预测方法，可用于快速预测近断层脉冲地震作用下桥梁地震响应及易损性曲线。该方法基于单向多层堆叠式长短时记忆（Long Short-term Memory，LSTM）网络，以地震响应时程与峰值响应两部分作为模型的输出，采用滑动时间窗、残差连接和约束循环核等技术，有效地捕捉到脉冲地震动输入与桥梁响应（如墩底弯矩、墩底曲率和墩顶位移）之间的非线性映射，并基于概率地震需求模型准确预测易损性曲线。以汶川地震中破坏的庙子坪大桥作为实际工程研究对象，基于OpenSees数值模型，建立了619条近场地震动及相对应桥梁非线性地震响应和易损性数据库，验证所提出方法的准确性和快速性。研究结果表明：LSTM模型可以进行长时间、多输出的响应预测，并能够准确捕捉到脉冲地震作用下桥梁结构的地震响应需求；在峰值响应预测中，弯矩指标预测效果最佳，预测值与实际值之比的均值与标准差分别小于1.03和0.12，其次是位移指标与曲率指标；预测的易损性曲线结果与实际结果十分接近，决定系数达0.97，失效概率最大相差1.92%；该方法与传统方法时间对比约为1 s和66 h。所提出的易损性快速预测方法具有较高准确性和快速性，可为灾后桥梁评估提供有力理论支持。
悬索桥由于其结构复杂，在减震设计时往往需同时关注多个优化控制目标，这一点在高烈度断层区地震作用下尤为突出。为实现此类结构减震体系的高效多目标优化，以多关键构件安全水平和减震体系成本为控制目标，结合响应面理论、竞争机制多目标粒子群算法和多种单解优选策略，提出了一种多策略多目标悬索桥减震智能优化方法。以某位于高烈度区的跨断层悬索桥为案例，采用所提出方法对其双向黏滞阻尼器的阻尼系数分布开展智能优化并明确了适用于此类桥梁的阻尼器合理布设规则，最后对其合理性进行了验证。研究结果表明：①该方法可有效实现多控制目标之间的平衡，具有优化精度好、计算效率高和灵活性强等优点；②横向布设阻尼器的合理桥台桥塔阻尼系数比在1.5~2.0之间；③相较初始减震方案，采用所提出方法得到的优化方案可在减震体系成本基本保持不变的情况下使主桁架、吊索以及纵、横向阻尼器安全水平分别提高3.42%、18.13%、30.11%和21.28%，同时可有效改善结构对断层大幅值永久位移的适应能力。
针对当前桥梁抗震韧性评估框架中功能恢复模型未充分考虑构件修复次序的不足，提出了一种考虑构件修复次序的桥梁震后功能恢复模型及抗震韧性评估方法。首先，在典型恢复模型的基础上，综合考虑桥梁实际修复过程中构件修复次序的影响，建立了基于修复次序的分段功能恢复模型；其次，利用图形解析方法推导了该恢复模型下韧性指标的简化计算公式，建立了考虑构件修复次序的抗震韧性评估框架；最后，以某四跨连续梁桥作为分析算例，结合易损性参数和Monte Carlo抽样建立了不同的构件损伤场景，对建立的抗震韧性评估框架进行了验证，探讨了不同构件修复次序对桥梁抗震韧性的影响。研究结果表明：与典型恢复模型相比，该模型可以反映桥梁构件的修复次序及构件修复对桥梁功能恢复的贡献；推导的韧性指标简化计算公式克服了传统韧性量化方式中积分求解困难的问题，在保证计算精度的同时，提高了韧性指标的求解效率；不同构件修复次序计算得到的桥梁抗震韧性指标存在一定的差异，其差异大小取决于构件损伤场景和桥梁的震后功能损失。通过合理优化构件的修复次序，可以在不改变桥梁结构设计的前提下，有效提升中小跨径连续梁桥的抗震韧性。
中小跨径桥梁占中国已建成桥梁的80%以上，借助机器学习对量大面广的中小跨径桥梁抗震性能进行快速预测、分析具有重要意义。然而，机器学习模型由于算法的复杂性往往表现为“黑箱子”，可信度和适用性有待商榷，建立可解释的机器学习模型成为迫切需求。因此，以中小跨径连续梁桥为研究对象，开展了桥梁纵向地震反应可解释机器学习方法研究。采用2种主流的机器学习算法（神经网络、支持向量回归），选取桥梁结构参数和地震动强度参数作为特征（即输入变量），建立桥梁地震反应预测机器学习模型。然后，基于4种通用的可解释方法（SHAP、排序重要性、部分依赖图、LIME）对模型进行全面解释。结果表明：支持向量回归和神经网络均能准确地预测桥梁地震反应，决定系数超过0.9；基于神经网络模型的SHAP与LIME解释方法能获得相对稳定可靠的解释结果。地震动强度特征之间的高相关性导致在对预测结果的贡献上出现竞争，而去掉低贡献的地震动强度特征可以保持模型预测精度基本不变的同时降低模型复杂度，提高可解释性。从机器学习模型预测性能和可解释性的角度，推荐中小跨径梁桥地震反应预测所需的地震动强度指标为平均谱加速度（AvgSa）、峰值地表位移（PGD）、峰值地表速度（PGV）以及Housner强度指标（HI）。
节段拼装自复位桥梁以其良好的韧性和抗震性能在桥梁工程研究中备受关注，但其在高烈度地区的应用尚属罕见。研究节段拼装自复位桥梁在高烈度区域的地震响应显得尤为迫切，但自复位桥梁结构地震响应的高度非线性和不确定性，对其地震响应的准确预测带来了巨大挑战。以自复位桥梁振动台试验实测数据以及有限元模型模拟数据为研究对象，提出了一种融合变分模态分解（VMD）、卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的自复位桥梁地震响应预测模型。该模型采用VMD捕获地震动数据的频率特征信息，利用CNN提取数据空间特征，通过BiL-STM挖掘数据中的长期时间依赖关系，以精准预测桥梁的地震动响应。首先对振动台试验实测的5种地震动不同幅值作用下的上部结构响应数据进行预测训练，随后为了获得桥梁在较大地震动振幅下的动力响应，通过有限元模型模拟数据进行预测训练，2次预测结果表明所提算法与LSTM、RNN、SVR、XGBoost四种对比算法相比具有更好的预测精度和鲁棒性，与SVR和LSTM模型相比，模型评价指标R2分别提高了约11.9%、3.2%，RMSE降低了约52.4%、32.5%，MAE降低了约49.6%、30%。所提方法可有效挖掘地震响应数据的特征，对桥梁地震响应进行精准建模，可为桥梁抗震性能分析提供一定的参考。
针对基于间接测量法识别桥梁振型时，难以克服路面不平整度、受噪音影响大、采用单轴车存在俯仰等问题，提出一种基于复Morlet小波及多自由度对称双轴检测车同步静止采集间接识别梁式桥低阶频率和振型的新方法。首先，将双轴车依次停靠在桥梁各同步测点处静止采集车轴加速度响应30 s，依据该信号反演得到对应轴车桥接触点响应，再融入小波去噪优化算法降低噪声干扰，依据去噪后信号的小波系数时频谱获取桥梁频率范围。然后，对车桥接触点响应进行连续复Morlet小波变换，结合小波系数Shannon熵参数选取准则确定最优参数，采用均值处理方式从局部到整体构建梁式桥低阶模态振型，并以此建立基于各同步测点车桥接触点响应的梁式桥低阶频率和振型识别流程框架。通过数值模拟对随机车辆激励、桥梁阻尼比和环境噪音的影响进行了参数化分析。最后，依托重庆市某大桥验证了该方法的适用性。结果表明：所提方法低阶模态振型识别精度较高，在随机车辆激励条件下，仍可同步识别梁式桥低阶频率和振型，且不受路面粗糙度影响，对环境噪声和桥梁阻尼比具有较好的鲁棒性。所提方法相比于统计矩、传递率和随机子空间方法在识别精度或计算效率上具有一定的优势，为间接测量法推广应用于实际现场提供了基础。
沥青混合料的组成结构对沥青路面的使用性能和服役寿命具有重要影响；然而，由于原材料异质特征的跨尺度传递，沥青混合料组成结构呈现显著的异质性，制约了混合料性能优化设计的效果。为了量化沥青混合料组成结构的异质性，阐明粗集料特征对组成结构异质性的影响规律，提出沥青混合料组成结构异质性调控方法，降低其性能的变异性，提高路面的可靠性，建立了包含100个数字化沥青混合料的随机试验数据库，基于相关性和显著性分析，优化了组成结构参数体系；基于交互效应分析和欠采样数据均衡方法，建立了沥青混合料组成结构异质性的分析模型；借助边际效应分析，制定了调控组成结构异质性的粗集料参数控制标准；利用随机试验数据库中未用于模型构建的数据点，验证了调控方法的准确性和适用范围。研究结果表明：通过优化粗集料的粒径分布和形态学特征，可以有效调控沥青混合料组成结构的异质性；粗集料参数的交互效应对组成结构的调控效果强于主效应，其中主骨架集料（4.75~9.5 mm）的粒径分布与骨架集料（4.75~19 mm）平均棱角性的交互效应，可以削弱组成结构参数的异质性超过80.5%；调控空隙结构多重分形谱差值的过程使得沥青混合料组成结构的整体异质性减少近50%，证明了单参数调控在提升组成结构整体稳定性方面的有效性。所提出的沥青混合料组成结构异质性调控方法，可为沥青混合料性能优化提供新的思路，在提高路面可靠性和延长服役寿命方面具有重要的应用价值。
道路裂缝的检测对道路工程建养具有重要意义，特别是在防灾减灾领域的大范围快速巡检中发挥着关键作用。然而，传统检测方法面临检测精度低、速度慢和泛化能力差等问题，为此，提出了一种环境适应性优化的轻量化多尺度道路裂缝检测算法。首先，通过采用StarNet替换YOLOv8的主干网络，降低计算负担并提高检测速度；其次，引入C2f-Star模块以增强多尺度特征提取并抑制无关特征的干扰；接着，使用GN-YoloHead检测头优化计算资源管理；最后，采用Focaler-MPD-WIoUv3损失函数替代传统损失函数，以提升检测性能。此外，利用数据增强技术构建裂缝图像数据集，进一步提升模型的泛化能力。为验证算法的有效性和可靠性，将该模型与Faster-RCNN、SSD、YOLOv5-s、YOLOv7-tiny、YOLOv8-n、YOLOv10-n及YOLOv11进行对比试验。结果表明：该模型的F1分数达到90.6%，相比其他7种算法分别提升了20.6%、6.0%、1.9%、3.0%、1.8%、2.6%和1.2%；mAP50-95值为62.4%，分别提升了19.9%、12.9%、4.9%、6.7%、2.1%、4.0%和2.4%。此外，模型的权重文件仅为2.8 MB，比原始YOLOv8压缩了47.5%，且远小于其他模型。模型参数量为1.4 M，计算量为4.5 G，检测速度达197.7帧•s－1，效率得到大幅提升；并且该算法在不同光照和复杂背景下展现出良好的泛化能力，能精准检测并标记裂缝。该模型实现了道路裂缝的快速、智能识别，为道路裂缝检测提供了重要的技术参考。
为探究液化场地桩周土加固对低承台桩基础抗震性能的提升机制，采用振动台试验开展了未加固桩和不同形式水泥土加固桩的3×3群桩振动台试验，并评价了水泥土加固引起承台动土压力和侧壁摩擦力变化对地震作用下桩基内力和弯矩等的影响。上部结构的自振周期（Tb）、地基的卓越周期（Tg）、土体位移（ΔS）和承台位移（ΔB）共同决定了上部结构和承台惯性力的相位差，以及总土压力与侧摩擦力的合力大小和方向。依据水泥土改良后的地基反力变化情况，考虑水泥土加固区的侧壁摩阻力和动土压力，从而提出了适用于水泥土改良地基的非线性温克尔弹性地基梁模型。试验结果表明：不同形式水泥土加固后桩侧壁摩擦力提高了100%~180%，总土压力提高了46%~101%；水泥土增强了桩侧土抗力，使桩-土相对位移减小了43%~47%。水泥土加固提高承台侧壁摩擦力和总土压力，可抵消从上部结构和承台传递到桩头的惯性力，减小桩头剪力，进而提升桩基的抗震性能。为考虑水泥土加固后承台侧壁摩擦力和土压力变化对桩身内力的影响，改进了非线性温克尔弹性地基梁模型，振动台试验结果验证了改进后的模型可准确估算地震中低承台桩基受力。
为了准确预测行车荷载反复作用下南海岛礁压实钙质砂路基累积沉降，采用在广义塑性模型的剪胀方程、加载方向和塑性模量表达式中嵌入颗粒破碎指标的方法，构建了考虑颗粒破碎的压实钙质砂动本构模型，并将其嵌入ABAQUS有限元软件。循环三轴试验结果与模型预测结果对比分析表明：所提模型可以较为准确地预测压实钙质砂的轴向残余应变和颗粒破碎变化规律。采用ABAQUS有限元对一实体工程进行有限元建模与数值模拟分析，研究结果表明：①不同轴载反复作用下，压实钙质砂路基顶面单元的应力路径为具有一定倾角的螺旋上升曲线，其中竖向正应力S33随接地压力p′或轴载F和荷载循环次数N增加而增加，并在N小于2万次时趋于常数；②当N小于2万次时，路基顶面累积沉降U3的变化规律与竖向正应力S33类似；当N小于20万次时，路基顶面累积沉降U3随压实度K增加而减小，且在不同轴载作用下路基顶面累积沉降U3各自趋于不同常数；③接地压力p′或轴载F和压实度K是南海岛礁压实钙质砂路基长期累积沉降的决定性外部影响因素；为了防止沥青路面出现车辙病害，南海岛礁压实钙质砂路基的压实度K必须控制在95%及以上。
斜坡段双排桩的水平承载特性与平地上的双排桩差异显著，很有必要开展相应的模型试验研究。以某实际工程桩为原型，设计并完成了斜坡坡度分别为0°、10°、20°和30°的2×2双排桩水平循环加载模型试验，获得了不同坡度下承台荷载-位移曲线、前后排桩桩身弯矩及不同深度处的桩周土抗力（p）-桩身水平位移（y）曲线（简称p-y曲线）；分析了“斜坡效应”和“循环荷载效应”对前后排桩水平承载特性的影响；并通过对斜坡地基初始刚度和桩周极限土抗力进行修正，建立了斜坡段双排桩修正p-y曲线模型。研究结果表明：桩基水平割线刚度随循环加载等级增加而减小，而受循环加载次数和斜坡坡度的影响较小；前后排桩的桩身弯矩均随循环加载等级和次数增加而增大，随斜坡坡度增加而减小；桩身最大正弯矩位于坡面以下2~4倍桩径处；与平地桩相比，斜坡坡度每增加10°，前后排桩的桩身最大正弯矩约减小6.5%；斜坡坡度和荷载水平相同时，前排桩的桩身最大正弯矩约为后排桩的1.5倍；前后排桩的桩周土抗力均随深度增加而增大；相同深度处，前后排桩的桩周土抗力均随坡度增大而减小，前排桩的桩周土抗力约为后排桩的2倍，当斜坡坡度由0°增至30°时，前、后排桩对应的桩周土抗力分别减小64.0%和60.0%。在此基础上，通过模型试验，对比验证了斜坡段双排桩修正p-y曲线模型的合理性。
寒区边坡挡土墙排水管水流结冰诱发涎流冰并损伤结构，影响交通安全。为研究挡土墙排水管水流结冰机理，通过模型试验研究了不同环境温度（－7 ℃、－14 ℃）和风速（0.6、1.2、1.8 m•s－1）情况下边坡土体温度场和积冰堵塞的演变规律，建立数值模型对排水管结冰堵塞过程进行数值分析。结果表明：①当风向、流量和管道纵向坡度不变时，环境温度越低、风速越大，沿排水管纵向的土体冻深平均增速越大。当环境温度为－14 ℃~－7 ℃、风速为0.6~1.8 m•s－1时，冻深平均增速的变化范围为0.11~0.62 cm•h－1。②当风向和管道纵向坡度相同时，随着环境温度降低、风速和流量的增加，堵塞率与积冰体积增加速率越快，排水管出口堵塞时间缩短。当流量为0.1 mL•s－1时，堵塞率与时间近似呈线性关系；当流量达到0.2 mL•s－1时，堵塞率与时间近似呈二次函数关系。③当风向和管道纵向坡度不变时，管内积冰体积与时间始终呈递增趋势的二次函数关系。环境温度越低、风速越大、流量越小，积冰体积与流经管道的水流总体积之比越大。当流量为0.1 mL•s－1、环境温度低于－14 ℃、风速大于1.8 m•s－1时，超过82%的水流以冰的形式留在管内。④各因素对管道积冰堵塞时间影响的敏感性顺序为环境温度>流量>风速，可通过在排水管出口采取保温和防风措施延缓其结冰堵塞时间。研究结果可为寒区边坡挡土墙排水管结冰防治提供科学参考。
为了研究桩土相互作用对自复位摇摆桥墩抗震性能的影响，选取附加角钢的自复位-摇摆双柱桥墩（SCRB-A）作为研究对象，摇摆双柱桥墩（SCRB）和传统的现浇双柱桥墩（RCB）作为对比对象，采用桩-土-摇摆桥墩地震反应整体分析方法建立了桩-土-摇摆桥墩结构的精细化实体有限元模型。首先明晰了考虑桩土相互作用对不同自振周期自复位摇摆桥墩模态和位移响应的影响，结果表明，桩土相互作用对短自振周期摇摆双柱桥墩的影响显著高于长自振周期，对短周期摇摆桥墩的自振周期增大率高达152%。进一步探讨了考虑桩土相互作用对短自振周期摇摆双柱桥墩在地震作用下破坏模式，位移和加速度等动力响应的影响规律。研究结果表明：桩土相互作用放大了摇摆桥墩的位移响应和加速度响应，在多遇地震（FOE）作用下，桩土相互作用对摇摆桥墩的动力响应放大效应明显，位移响应影响系数达119.4%；随着地震强度的增大，这种放大效应会逐渐减弱。无论是否考虑桩土相互作用，附加角钢的摇摆双柱桥墩在抗震性能方面的表现均优于摇摆双柱桥墩和现浇桥墩。
为了研究纤维编织网增强混凝土（Textile Reinforced Concrete，TRC）对震损钢筋混凝土（Reinforced Concrete，RC）桥墩柱抗震性能的提升效果，设计制作了7根RC柱并开展了低周往复加载试验，分析了不同TRC层数对震损RC柱抗震性能的影响规律，给出了震损RC柱加固后的抗弯承载力计算方法。研究结果表明：TRC能够改善震损RC柱的破坏模式，使加固柱的破坏形态为典型的弯曲破坏，且降低了加固RC柱的塑性铰区高度；与未加固试件相比，随着加固层数的增加，加固柱的屈服荷载无明显变化，峰值荷载均有不同幅度的提高，当加固层数为4层时增幅最大为12.79%；TRC加固延缓了震损RC柱在加载后期的刚度退化速率，且随着加固层数的增加，加固柱的刚度退化速率降低；位移延性系数和累积耗能均随着加固层数的增加而增大，且较未加固试件最大增幅分别可达57.93%和97.55%；基于材料本构和截面性能分析给出的TRC加固震损RC柱抗弯承载力公式预测值与试验值吻合良好，误差在7%以内。研究结果可为震损桥梁结构的TRC抗震加固设计提供参考和理论依据。
主缆架设是悬索桥上部结构施工的重要环节，特大跨径悬索桥PPWS法架设主缆时，桥梁跨度大、索股数量多且牵引距离长，对牵引系统的安全性要求极高，因此，对主缆索股架设过程中的牵引载荷进行监测具有重要工程价值。以江苏省在建的龙潭长江大桥主缆索股架设系统为研究对象，设计了一套实时监测主缆架设阶段牵引索张力和索股拽拉力的牵引载荷测试系统，基于标定试验和有限元仿真分析，完成了牵引索张力传感器和耳座力传感器的标定研究，为传感器现场标定提供了依据；牵引载荷监测系统在现场成功运用，完成了龙潭长江大桥主缆索股牵引架设时的牵引载荷实时监测。根据拽拉器牵引索股全程的载荷变化历程，并结合索股牵引工况进行分析，结果表明：牵引载荷的测试结果符合现场实际工况，有效监测到了拽拉器通过门架导轮组时的冲击载荷，并可监测到拽拉器行至北主塔时牵引索张力和索股拽拉力达到最大峰值，其最大峰值分别在205~215 kN和100~110 kN之间波动。该系统实现了主缆架设施工阶段的牵引载荷实时监测，为特大跨径悬索桥主缆索股牵引系统设计与分析提供了重要的实测验证数据。
在盾构隧道施工中，壁后注浆技术广泛应用于填补掘进机尾盾与隧道混凝土衬砌之间的空隙，注浆不足会导致地面沉降、隧道上浮，甚至影响隧道结构的稳定性，因而，开展壁后注浆质量检测具有重要的工程价值。针对这一问题，探地雷达作为一种高分辨率地下成像电磁技术，被广泛应用于壁后注浆的无损检测。为提高探地雷达检测的精确性，首先开展天线矫正试验对探地雷达系统进行频域矫正，然后通过沙箱试验模拟盾构隧道壁后注浆的不同工况，采用步进频率探地雷达系统获取试验数据，利用LightGBM算法进行拟合分析，深入研究探地雷达系统的频域矫正、天线极化方向和钢筋网布置对注浆识别能力的影响。通过天线矫正试验，确定了雷达系统的传递函数，并将其纳入雷达方程对天线进行矫正；通过多工况的模型试验研究，获得了电磁波在砂层介质中的传播特性和成像规律。研究结果表明：开展雷达方程的频域矫正能够显著提升探地雷达信号的质量，增强其对注浆层的识别能力。研究成果可为盾构隧道壁后注浆的无损检测提供技术支持，有助于提高盾构隧道施工质量。
紫外光固化纤维增强（UV-FRP）加固技术具有快速、高强的优势，在隧道开裂衬砌快速修复加固方面有着广泛的应用前景。探明UV-FRP加固衬砌结构的受力变形特征和破坏规律对认知其加固性能及加固机理至关重要。为此，通过自主研制的隧道衬砌加载装置，针对未加固衬砌、加固衬砌（UV-FRP加固）和完整衬砌，开展了1/4缩尺衬砌模型加载试验，分析了试样的受力变形特征、开裂破坏模式、承载与变形能力等。结果表明：衬砌加载过程可分为初裂、应变强化和峰后阶段，UV-FRP脱黏发生在应变强化阶段；UV-FRP加固衬砌与完整衬砌裂缝形态基本一致，主要由跨中裂缝与受拉区环状裂缝组成；与未加固衬砌相比，UV-FRP加固衬砌的起裂荷载、屈服荷载与延性系数分别提高了49.6%、13.8%和76.9%。进一步地，通过分析衬砌刚度的时变规律，探明了开裂衬砌UV-FRP加固机制，发现UV-FRP主要提高了开裂衬砌的早期刚度，进而对其后续受力变形特征产生影响。
为提高复杂交通场景中行人过街意图识别的准确性，研究了基于局部稀疏注意力和多模态特征融合的行人过街意图识别方法。首先，提取前视角目标行人的边界框序列、动作序列和自车速度等非视觉特征，以及局部和全局上下文信息等视觉特征；其次，结合残差网络（Residual Network，ResNet）和长短时记忆网络（Long Short-Term Memory network，LSTM）建立了视觉特征编码Res-LSTM模块，编码局部和全局上下文信息，捕捉目标行人与其他场景要素间的交互关系；最后，设计局部稀疏注意力模块并构建意图识别模块融合目标行人多模态特征，形成行人过街意图识别模型。在公开数据集PIE上进行的试验表明：相较于基线模型MASK_PCPA，研究结果在1、3 s的预测时域准确率分别提升6%和7%，F1分数均提升11%，平均推演时间提升4.17%，模型尺寸减小3.4 MB，所提方法有效地提升了模型对行人短时间内关键细微动作特征的捕捉能力，能够帮助系统做出快速、准确和鲁棒的行人意图识别，为智能汽车理解周边环境提供支持。
城市信号交叉口是典型间断交通流场景，信号配时及交叉口上游车流运动状态具有较强的随机性，为了提升智能网联车辆（Connected and Automated Vehicle，CAV）生态驾驶应对信号交叉口环境随机性的泛化能力，提出基于自由速度训练的深度强化学习生态驾驶控制方法。考虑交叉口上游人工驾驶车辆（Human Driven Vehicle，HDV）驾驶行为不确定性，将当前时刻CAV类人化驾驶加速度动作作为智能体控制反馈信息，构建基于加速度引导量的状态空间。同时，以智能体自由速度训练为目标，通过考虑当前控制步长内CAV行驶距离来设计奖励函数，实现生态驾驶效益最大化的训练动作。此外，在智能体训练环境中设置安全限制条件与随机环境条件，改进深度强化学习TD3算法更新机制，提出“一轮一更新”的智能体训练模式。为了验证所提控制方法的生态驾驶效益和泛化性能，以现有基于巡航速度训练的深度强化学习方法作为对比，设计固定条件对比试验和随机条件对比试验。研究结果表明：所提基于自由速度训练的深度强化学习控制方法在确保生态驾驶效益的同时，能够明显提升智能体应对环境随机性的泛化能力；在100次随机试验中，以HDV油耗为基准，相比现有基于巡航速度的深度强化学习控制方法，所提生态驾驶控制方法在智能体考虑加速度引导量和不考虑加速度引导量的2种情形下，平均油耗效益分别提高9.3%和2.6%。研究结果提供了具有普适性意义的深度强化学习智能体训练框架模式，可为信号交叉口CAV生态驾驶提供方法参考。
路网交通预测为交通管理和出行信息服务智能化提供了数据和服务保障，是为智能交通系统提供精准主动管控的核心关键。常态交通环境下的交通预测已经取得了良好的性能，而突发事件、天气突变等短期非线性扰动下的非常态交通预测面临诸多挑战。现有方法大多通过将路网预定义为固定图或简单参数图来捕捉空间关系，忽略了扰动因素影响下交通流在空间上表现出的显著动态变化，这导致预测出现偏差，难以实现精准管控。为此，提出了一种基于短期非线性扰动自适应图的神经网络（Ada-DTGNN），该网络从常态和短期非常态角度关注交通流的变化趋势来预测未来交通状态。首先开发一个新颖的自适应图学习模块，设计了2种参数化特征图，以全局特征图捕捉交通流的共同常态趋势，以独有特征图揭示短期非常态下的独有变化，最终通过加权融合的方式获取最优的路网图邻接矩阵并具备一定可解释性。此外，受门控循环网络（GRU）启发，将GCN以记忆单元的形式嵌入GRU内部结构中，构建新颖的时空卷积预测模块，实现同步捕获时空依赖关系，提升了预测精度。试验结果表明：Ada-DTGNN在真实交通流数据集上整体优于现有竞争模型，尤其在应对短期非线性扰动和突发事件等复杂交通场景时，展现出更高的预测准确性与更强的自适应能力；同时，通过消融试验和效果分析进一步验证了其结构在提升模型性能方面的重要作用，体现出良好的自适应性与一定程度的可解释性。
为解决混行交通环境下专用车道资源优化配置难题，提出面向智能网联自动驾驶汽车（Connected and Autonomous Vehicle，CAV）与公交车辆的联合专用车道协同控制方法。首先，通过分析港湾式与非港湾式公交站点的差异，构建考虑不同公交站点类型影响的公交清空距离模型，同时基于已建成的公交专用车道，设立适用于CAV和公交的联合专用车道。由于在联合专用车道部署的环境下每一辆CAV均视为一个智能体，混行环境下CAV的协同控制优化问题可以被建模为一个多智能体马尔科夫决策过程。基于此，提出了一种应用多智能体深度确定性策略梯度（Multiagent Deep Deterministic Policy Gradient，MADDPG）算法的多CAV协同控制方法。借助SUMO平台搭建不同仿真场景，对提出的联合专用车道策略和多CAV协同控制方法进行验证。仿真结果表明，提出的MADDPG算法能够显著提升CAV在联合专用车道环境下的协同控制效果。具体而言，MADDPG算法在不同CAV渗透率下均表现出较高的交通效率和稳定性，通过优化CAV的跟驰和换道策略，减少了交通冲突和延误，提升了整体道路通行能力。特别是在高渗透率（60%以上）环境下，CAV之间的协同效应更加显著，进一步提升了交通流的运行效率。联合专用道部署环境下车辆的平均通行效率较无专用道和单独的公交车专用道分别提高了9.42%和5.61%。在保证保障公交车优先通行的同时，专用道的通行速度提升了26.24%。
针对智能网联车辆（Intelligent Connected Vehicles，ICV）和人工网联车辆（Human-driven Connected Vehicles，HCV）并存的混合流场景，为了协调交叉口各个方向车辆复杂的冲突关系，提出了一种针对信号配时与车辆轨迹的多目标联合优化方法。在信号方面，基于非固定周期的相位设置方式，灵活组合绿灯相位，提升交通信号配时的灵活性；在轨迹方面，对ICV和HCV分别建立跟驰约束，同时预测HCV轨迹并优化ICV轨迹。最终，统一考虑车辆延误和油耗2个优化目标，建立单层联合优化模型，同时获取信号配时与车辆轨迹的全局最优解。针对混合流场景的随机性，设计了滚动时域优化方法和鲁棒机制。数值试验中，选取了多种不同的基准方案与所提方法进行对比，包括传统的信号与轨迹优化方案，以及已有研究中的双层联合优化方案，以验证求解结果的全局最优性。结果表明：相较于基准方案，所提出的单层联合优化方案在不同的ICV占有率与交通需求场景中，均能够实现最低的车辆延误和油耗；在敏感度分析试验中，对不同优化目标之间的相关关系以及模型复杂度展开了分析；试验结果揭示了在该场景下，若选取合适的权重系数，不仅能够得到帕累托最优解，还有可能得到在所有目标下均为最优或近似最优的求解结果。最后，基于珠海市交叉口数据集，验证了所提方法在强波动的交通需求下仍然能够实现较好的优化效果。
