路面裂缝的自动化修复可以有效延长道路的使用寿命，在道路智能化养护中发挥着至关重要的作用。为解决裂缝灌缝修复过程中裂缝轨迹实时提取困难、灌缝误差较大等问题，研发了一种路面裂缝灌缝机器人(Automated Pavement Crack Sealing Robot， APCSbot)，APCSbot采用裂缝轨迹实时分割网络(S2TNet)和基于交叉熵的自适应模糊控制裂缝灌缝修复方法(Cross-entropy-based Adaptive Fuzzy Control， CEAFC)。首先，提出了一种裂缝实时分割网络(S2TNet)，该方法利用锚定比IoU平衡采样(ARIS)和平衡细粒度特征(BFGF)有效地提高了检测器在预测边界框和分割实例二进制掩码方面的性能，从而提高裂纹轨迹提取的准确性；其次，设计了一种基于交叉熵的自适应模糊控制(CEAFC)方法，采用交叉熵优化迭代对控制器参数进行调优，并构建模糊逻辑以提升修复控制的鲁棒性。此外，建立了基于四轮独立差速驱动的无人轮式机器人框架，并将裂缝分割网络和跟踪修复控制方法集成到系统中。结果表明：在DeepCrack、CFD、S2T-Crack数据集上进行的大量试验下，所提方法的路面裂缝实时分割精度为80.21%；在0.05 m·s^-1左右的速度下完成裂缝灌缝修复，细长裂缝灌缝平均误差为5.17 mm。实际道路裂缝场景测试证实了APCSbot的有效性，展示了其在路面裂缝灌缝修复方面的准确性和稳健性，为道路智能化养护提供了技术支撑。

为实现淤泥质渣土高值化、多样化利用，研发了采用碱激发高炉矿渣(GGBS)方式固化淤泥质渣土，并在标准养护条件下实现高强度和高耐水性的人工造粒新技术。通过试验探究了碱激发剂类型、掺量以及养护时间等因素对固化土颗粒的力学强度和耐水性能的影响，并确定Ca(OH)₂与Na₂SiO₃作为碱激发剂及其最优参配比。在此基础上，进一步采用傅里叶红外光谱(FTIR)、扫描电镜(SEM)等手段对人造颗粒进行微观表征，揭示了碱激发GGBS固化土颗粒的强度形成机理及其演化规律。研究表明:GGBS在Na₂SiO₃碱激发作用下发生水化反应；当Na₂SiO₃掺量达到10%以上时，标准养护7 d颗粒强度达到5 MPa以上，且软化系数均高于0.75。通过加入Ca(OH)₂替代部分Na₂SiO₃，可以进一步增强碱激发作用，其最优掺比为1∶3，颗粒强度相比单独使用Na₂SiO₃时提升超过20%。微观试验表明:碱激发GGBS在生成水化硅酸钙(C—S—H)与水化硅铝酸钙(C—A—S—H)时，合成聚合度高、具有三维网络结构的地聚物M_x{—(SiO₂)_zAlO₂—}_n·wH₂O，填充孔隙并黏结土颗粒，显著增强人造颗粒强度。利用碱激发GGBS固化淤泥制得的人造颗粒，具有轻质(1.8~2.0 g·cm^-3)、高强(≥5 MPa)、耐水(软化系数＞0.75)、低能耗(20 ℃冷结养护)、绿色环保(固废利用率≥85%)等优点，可用于部分代替交通路基基层填料、桥梁承台回填、滨海公路防护结构等场景。

基础设施的高速建设必将导致大规模的维养，为应对大跨径桥梁结构性能保持和承载力提升问题，围绕改变结构体系提升桥梁性能的现状及发展趋势，在对提升方法及与其密切相关的优化算法和过程安全监控技术等进行总结的基础上，系统梳理了简支变连续、增设支点、斜拉组合体系、吊拉组合体系、悬吊体系、梁拱组合体系等提升方法的研究现状和典型工程应用，形成增加约束法和附加构造法两大类型，深度剖析大跨径桥梁结构的体系主动改造行为、结构状态变化规律等科学机理。对改变体系加固面临的关键问题、主要挑战及未来发展趋势进行了展望，指出该方法效益和风险并存，新老2种体系的相容性等方面还需要系统、深入研究。桥梁损伤数学模型的建立仍是制约改变体系加固研究的短板，其涉及的多变量、多目标函数的构造和最优解标准的制定等问题仍需探索，复杂受力过程求解算法的突破仍是关键。借助智能设备，结合数字孪生，实时监测、分析、控制、反馈的交互式协同设计及智能建造方法还应进一步探索。

为深入研究大纵肋正交异性钢-UHPC组合桥面板的疲劳性能，解决传统足尺模型疲劳试验中存在的尺度割裂与信息壁垒问题，以构件、部件与结构3个尺度间的性能指标信息的相互关系为切入点，提出了多尺度融合试验研究方法。该方法采用了多尺度性能指标信息的递进、融合与反馈策略，设计了构件、部件与结构的多尺度协同疲劳试验，建立了模式化的试验研究路径，实现了对同一研究目标下多尺度试验研究的有效支撑。结果表明：所提出的多尺度融合试验研究方法，通过构件、部件与结构的信息传递与融合路径，形成系统闭环的研究体系，可有效解决多尺度试验中的数据割裂问题;构件尺度中UHPC材料、栓钉连接件和钢桥面板典型疲劳易损细节均表现出性能退化与疲劳损伤累积特征，可通过力学性能退化模型、S-N曲线及损伤累积准则进行量化表征，并作为上层尺度评估的基础输入；部件尺度中节段模型试验能够阐明各节段模型的疲劳损伤演化路径，确定其疲劳破坏模式，明确UHPC层、栓钉连接件与钢桥面板典型疲劳易损细节的控制部位，并建立局部响应与构件性能指标间的映射关系，为结构的设计参数优化及结构尺度疲劳响应分析提供试验依据与理论支撑；结构尺度中实桥原位监测结果表明,关键控制部位的应变响应稳定,损伤程度较低，各性能指标在构件、部件与结构尺度间具有良好的适用性与协调一致性。

超大断面盾构隧道曲线段施工千斤顶偏心荷载作用易导致管片接缝出现张开和错台变形，进而诱发接缝防水性能退化。针对该问题，基于多道密封垫防水体系，构建了从“局部防水机理”到“整体荷载响应”的完整研究框架，分别建立了接缝防水性能流固耦合分析模型与复杂施工荷载作用下的多环管片受力分析模型，系统揭示了千斤顶偏心荷载作用造成的超大盾构管片接缝变形特征与多道密封垫防水性能退化规律。研究结果表明:多道密封垫体系呈现出“梯度屏障协同”防水机制，三道较双道及单道密封垫体系的防水性能分别提升了23.6%~35.3%与62.5%~76.2%;管片环缝在偏心荷载作用下的防水性能退化幅度达21.0%~24.0%，且在盾构上行姿态下最为显著。研究量化了千斤顶偏心荷载导致的管片接缝多道密封垫防水性能退化水平，建立了以防水性能退化率为依据的防水安全系数修正方法，明确了考虑偏心荷载影响对应防水安全系数的调整数值，可为超高水压超大断面盾构隧道管片接缝防水的精细化设计提供理论支撑，并为推动接缝防水性能安全系数由“经验判断”向“数据驱动”转变提供科学依据。

提出基于预训练大语言模型的行驶风险推断能力构建方法，以轻量化预训练大语言模型(Large Language Model，LLM)为对象，激发其类人的行驶风险推断能力，推动LLM在驾驶风险片段召回、自动化解析风险成因等方面的应用。架构分为预热阶段和循环优化阶段。预热阶段，按照驾驶人“风险要素辨识-交互行为推断-潜在风险判别”的行驶风险推断逻辑设计思维链(Chain-of-Thought, CoT)；采用少样本学习(Few-shot Learning)方式引导轻量化LLM生成，使其初步具备行驶风险等级评估及其推断理由的生成能力。循环优化阶段，利用引导学习策略，在优化初期调用“教师”模型对风险等级评估错误的样本重新生成推断理由；收集正确样本与新生成样本，并开展监督微调。以LLAMA 3-8B模型作为基础模型，以Qwen2-72B作为“教师”模型，结合7 000个自然驾驶片段数据开展试验。结果表明：本架构将轻量化预训练模型的行驶风险等级评估准确率由0.527提升至0.783。此外，通过比较人为构建的风险推断理由与模型生成推断理由的相似性，相比于基础模型，优化后模型的ROUGE-L(Recall-Oriented Understudy for Gisting Evaluation-Longest Common Subsequence)指标由0.517提升至0.616，表明该方法能有效提升目标模型推断理由与人类风险推断理由的一致性。所提架构提供了自动化解析风险成因的可行性，为开展驾驶人安全画像和靶向安全教育提供依据。

为了提升高速避障与超车场景的决策安全性，针对现有深度强化学习(Deep Reinforcement Learning, DRL)仅基于短时观测状态进行决策，且缺乏对周围交通参与者的轨迹预测，从而导致决策缺乏安全性的局限，提出一种融合预测信息的深度强化学习驾驶决策方法。首先，构建基于时空Transformer的交互式轨迹预测模块，其融合空间注意力机制与时间卷积网络以提取多车交互特征，并预测周车未来轨迹。结合预测结果构建了动态行驶风险场，实现了对潜在碰撞风险和长时域驾驶安全性的量化评估。其次，设计融合轨迹预测信息的深度强化学习驾驶行为决策框架，将预测轨迹显式引入状态空间，并通过LSTM提取时序特征以优化Actor-Critic网络。同时，基于动态行驶风险场构建了安全奖励函数并引入可解释的安全约束机制，以提升决策安全性。最后，基于CARLA仿真平台和自主搭建的硬件在环台架开展试验。结果表明：所提出的融合轨迹预测信息的信赖域策略优化算法(Trust Region Policy Optimization with Trajectory Prediction Information, TRPO-P)在安全性和通行效率方面，相较于基准强化学习算法分别提升了14.80%和6.39%，验证了该决策方法在复杂动态高速公路驾驶场景中提高车辆安全性与道路通行效率的有效性。

无人驾驶矿卡作为矿区运输的主要载体,近年来得到了迅速发展，但其体积大、盲区多,常需配备多激光雷达进行环视感知,因此实现无人驾驶矿卡多激光雷达的高精度标定,是实现高效无人驾驶感知的关键。基于此,提出了一种基于逐级配准的无人驾驶矿卡多激光雷达联合自标定算法(Coarse to Fine Calibration, CTFC)。首先面向非结构化场地不平整问题,提出了一种场地可用性校验算法,保证了输入数据流的初级可用性；其次针对异构共视激光雷达点云稀疏程度不统一且共视区域差异大的问题,设计了基于逐级迭代重组的多激光雷达配准算法,通过提取恒等约束并由粗到精多次对齐的方式提高联合配准精度；最后针对非共视激光雷达标定的弱约束问题,提出了基于双侧恒等距离的非共视配准算法,通过多个含共视区域的激光雷达观测到的标定板位置恒等假设,构建非共视激光雷达之间的标定关系。为了验证算法的有效性,在典型特征退化场景下进行试验测试,选取了多个矿区场景,基于均方根误差(Root Mean Square Error, RMSE)和中心点匹配误差指标验证所提出算法的效果。试验结果表明:所提出的算法均能对最终结果产生积极影响,在典型退化场景下,多激光雷达标定RMSE为0.048 m,中心点匹配误差为0.028 m,整体效率相比手工校准和多段式标定的方式提升了120倍,具备明显优势。

环境感知作为自动驾驶的核心技术，其性能直接决定了智能汽车的决策水平与行驶安全性，为提升自动驾驶汽车在复杂场景下的三维目标检测精度和鲁棒性，针对当前鸟瞰图(BEV)融合感知存在的图像边缘语义缺失与点云背景噪声干扰问题，提出了一种基于深度边缘检测、动态查询与激光雷达-相机交叉注意力的多尺度动态融合感知方法(DDL-BEV)。首先，构建深度边缘检测网络，通过双分支特征提取与交互，融合深度信息与边缘语义特征，优化图像BEV空间特征；其次，设计动态体素化查询模块，将激光点云体素化为柱状网格并投影至BEV特征空间，通过前景位置动态感知有效降低背景噪声干扰；最后，设计LiDAR-Camera交叉注意力融合机制，结合多分支空洞卷积特征增强模块构建层次化特征交互架构，融合激光点云和相机图像BEV特征，实现跨模态特征优势互补，将融合后的特征输入到DDL-BEV的目标检测头预测出3D目标检测结果。在nuScenes数据集上的试验表明：提出的DDL-BEV融合算法的平均检测精度mAP和综合检测得分NDS分别达到69.3%和71.9%，相较于基准BEVFusion方法分别提高了1.5%和1.3%；在夜晚、雨天、转弯、交叉口等特殊场景下，DDL-BEV的mAP分别提升了6.7%、5.42%、5.45%、4.65%，场景敏感度由14.11%降低至8.33%。试验结果证明DDL-BEV检测算法在光照不足、遮挡环境与雨雾干扰等场景中具有更强的检测鲁棒性。

随着车路协同系统对全域感知需求的增加，路侧多模态感知技术成为突破车载端感知局限的关键。基于此，提出一种基于视觉语言模型(VLM)语义引导的多模态感知自适应均衡优化框架，旨在提升路侧感知系统性能。框架设计了动态权重分配模块，通过跨模态注意力与帧级残差建模，实现空间自适应的多模态融合。提出的梯度敏感异步优化器精细调控各模态学习率，解决了模态收敛不均的问题。轻量级门控调度机制根据模态状态和场景语义熵动态触发视觉语言模型校准，减少了计算开销。试验结果表明:所提方法在DAIR-V2X-I与RCooper数据集上分别达到79.20%与80.16%的3D目标检测精度，相较于对比的同类方法平均提升3.9%(最高可达7.51%)。同时，门控调度机制使视觉语言模型模块的平均调用频率下降41.2%，有效削减了冗余计算；整体模型显存占用较基线模型仅增加约4.0%。所提方法为车路协同系统的技术发展提供了新的解决思路。

针对高速公路复杂环境下风险感知与分析方法的不足，引入了高斯风险脉冲波形函数量化风险能量，结合场的能量作用特征，实现风险脉冲与风险场的理论融合。首先，通过定义风险场最大/最小影响范围，并考虑车辆几何特征对风险作用空间的底层约束，结合车辆运动特征变量，构建动态风险场实现“行为约束”的空间表达。其次，依据道路标线功能差异(边界线、实线、虚线)建立静态风险场模型，对“规则约束”的空间作用进行量化。进而，利用风险能量的叠加性构建动态-静态双场耦合的风险统一场感知模型。最后，采用改进的k值选择算法ET-SSE计算风险场强阈值并划分风险等级，通过灵敏度分析揭示了场强演化作用机理。选取云南昆磨高速与功小高速实测数据，开展复杂交通流场景模型验证，与碰撞时间倒数、车头时距倒数、人工神经网络、时空深度学习、深度强化学习、传统行车风险场模型进行对比。结果表明：提出的考虑风险脉冲效应的风险统一场模型(RP-DRF)在稳定性、准确性、持续和实时感知能力方面性能优异，其风险感知平均精度达92.77%；依托实证结果可将风险等级划分为低[50,443)、中［443,1 537]、高(1 537,2 500］3个等级。研究可为高速公路场景下智能网联汽车的风险感知、决策与管控方面提供安全态势量化工具，所建立的风险等级机制可应用于车路云一体化系统的预警策略制定。

在智能驾驶系列任务中，使用视觉大语言模型(Vision Large Language Model, VLM)进行轨迹规划任务时面对的主要技术难题是：如何感知周围的世界并根据这些信息处理复杂的任务。现有开源视觉大语言模型在预训练阶段缺乏驾驶场景的空间先验，导致其对空间信息的理解能力显著不足，难以直接胜任轨迹规划任务。为此，提出一种“空间问答微调+鸟瞰图感知输入”双重增强的端到端轨迹规划框架：首先是第一重增强，即基于数据集的可用标注数据构建驾驶场景空间问答微调数据集，使2B参数的Qwen2-VL在障碍物类别辨识、相对距离及尺度估计方面获得显式空间先验；随后为第二重增强，即利用环视摄像头实时生成动态鸟瞰图(Bird Eye View, BEV)，完成轻量级空间重建；最终，将鸟瞰图图像、原始环视帧及文本指令共同输入经LoRA微调的视觉大语言模型，以问答形式直接输出规范化轨迹。所提方法的有效性在nuScenes数据集和NAVSIM数据集上得到验证。研究结果表明：该方法在现实世界中具有优秀的轨迹规划能力，更符合真实人驾的驾驶习惯，具备多种场景的泛化能力。

安全性始终是汽车工程领域的核心挑战。近年来，自动驾驶技术展现出提升通行效率与行驶安全性的潜力，但仍存在长尾场景泛化不足等问题。当前网联驾驶环境下行驶风险主要源于控制指令失效与信息不确定性，而现有方法多基于单一环境假设，对此类多模态风险叠加场景的安全保障仍显不足。针对上述技术挑战，构建了基于安全沙箱的行驶安全保障框架，以非侵入方式实时监视来自自动驾驶算法、云控指令或人类驾驶输入的控制指令。首先，对当前运行状态进行风险判别；随后，弹性仲裁模块结合历史仲裁结果与当前控制指令，采用多级仲裁策略与弹性干预机制，在保障行驶安全的同时，尽可能保留原有的驾驶意图；最后，搭建了微缩车路云协同验证平台与实车试验平台。试验结果表明：该方法在面对自动驾驶或手动驾驶输入下的静态障碍物或动态障碍物等复杂工况时，能够在确保行车安全的前提下最大限度地兼顾驾驶舒适性，为智能网联汽车提供了新型安全保障范式。

良好的自动驾驶交通法规(交规)符合性既是确保自动驾驶汽车安全运行的基础条件，也是保证自动驾驶汽车实现社会性驾驶策略的关键，但目前研究人员对于自动驾驶交规符合性的技术要求、合规性提升策略及评价方法等问题尚未达成共识。针对该问题，系统综述了自动驾驶交规符合性研究的现状与挑战。首先，在明确自动驾驶交规符合性定义的基础上，提出了自动驾驶交规符合性的具体要求，梳理了现有针对传统驾驶与自动驾驶的交规体系；并基于真实数据集对人类驾驶与自动驾驶汽车违反交通规则的常见工况进行对比统计分析。其次，提出了一种包含基于时序逻辑的交规形式化方法、面向交通信号识别的自动驾驶感知优化、交规约束下的车辆轨迹预测、自动驾驶合规决策4个层次的自动驾驶交规符合性提升框架，并从这4个方面综述了自动驾驶交规符合性提升策略的研究进展。然后，针对自动驾驶交规符合性评价，梳理了其多样化评价指标、可行试验方案以及评价限值获取3类关键问题的解决方案。最后，对自动驾驶交规符合性所面临的挑战及未来发展趋势进行了分析和展望。研究结果表明：自动驾驶交规符合性是推动自动驾驶汽车规模化落地的底层支撑，未来研究应着力突破建立软硬规则动态处理机制、设计融合自然语言处理与知识图谱的动态法规更新机制、构建分级形式化模型、建立强化学习-博弈论融合决策框架、构建自动驾驶交规符合性评价体系、创新合规陷阱场景生成与跨地域知识库构建。

针对网联车辆的节能协同控制问题，提出了一种分层分布式模型预测控制(DMPC)方法，旨在实现跟踪性能与燃油经济性的多目标优化。首先，建立了状态空间形式的车辆节点纵向运动模型和功率多项式形式的油耗模型，并考虑前车-领航者跟随和双前车跟随2种信息流拓扑结构，建立了完整的网联车辆系统模型。在此基础上，设计了分层DMPC控制器架构，上层控制器以跟踪性能为目标得到最优跟踪控制输入，下层控制器以降低油耗为目标得到最优经济控制输入，通过构建新的约束域来实现两者之间的协调，在保证系统稳定性的前提下提升经济性。然后，基于李雅普诺夫稳定性理论推导并证明了保证系统闭环稳定性的条件。仿真结果表明:在正弦扰动和紧急制动工况下，改进方案相比基准方案燃油消耗分别降低2.92%和14.75%，综合性能提升4.27%和14.44%，且保持了良好的跟踪性能。研究证实了所提方法在节能效果和系统稳定性方面的优越性，为网联车辆节能控制提供了理论支撑。

冬季路面积雪结冰会严重影响交通安全和运输效率，阐明路面材料表面的液滴低温冻结行为对路面冰雪防控具有重要意义。基于低温冻黏观测系统，研究了环境温度、液滴体积、材料表面构造等对液滴(H₂O)在水泥混凝土表面低温冻结行为的影响。结果表明：在水泥混凝土表面，液滴冻结主要受热传导控制；基于图像学分析，冻结过程分为过冷阶段、相变阶段、乳突阶段和冻结完成阶段；液滴在冻结过程中，冻结面由热传导界面逐步上移，伴随体积膨胀，最终以乳突形式释放；试验中随环境温度降低，在0 ℃~-4 ℃之间，液滴持续保持过冷状态，未产生冻结，环境温度低于-4 ℃时，液滴逐渐冻结，冻结完成时间随环境温度降低而缩短，-15 ℃下液滴完成冻结的时间较-8 ℃缩短了39.95%，较-12 ℃缩短了6.34%；液滴体积增大，影响液滴传热效率，延长最终冻结时间，对-12 ℃条件下的原始路表，0.5 mL液滴完成冻结的时间较0.3 mL液滴延长了8.40%，而0.8 mL液滴完成冻结的时间较0.5 mL液滴延长了44.37%；受热传导接触面积影响，液滴冻结时间与表面粗糙度呈负相关，混凝土表面微观构造的高度方差越大，液滴冻结过程越快，冻结完成时间越短，相比于普通表面，表面微观构造小的混凝土表面液滴冻结时间延长了14.43%~16.90%。针对寒冷地区的路面，宜从路表抗滑和路面防冻2个角度进行表面构造深度的平衡设计。

为破解废旧轮胎固废资源化再生利用难题，解决半填半挖路基不均匀沉降问题，提出废旧整胎-土工格栅复合加筋路基结构体系，通过现场试验与理论分析系统研究该结构体系在半填半挖路基中的沉降演化规律与应力分布特性。依托汾石高速公路工程开展现场试验研究，监测路基施工期及工后的沉降和应力响应规律。结果表明:路基沉降主要集中于施工阶段，工后沉降幅度显著减小，在车辆荷载作用下路基沉降变化趋缓并逐渐稳定。与土工格栅加筋路基相比，复合加筋段沉降量明显减小，应力峰值低于布辛奈斯克弹性解，表明废旧整胎的环向约束作用与土工格栅的抗拉加筋协同作用，可实现荷载横向扩散，改善应力分布均匀性。同时，将废旧整胎、土工格栅分别等效为抗压单元和抗拉单元，提出了基于双参数弹性地基梁模型的废旧整胎-土工格栅复合加筋路基沉降计算方法。经验证，该方法所得沉降规律与现场实测结果吻合，充分验证了模型的合理性与适用性。参数分析进一步表明：轮胎拉伸模量对沉降影响有限，其主要作用在于提供横向约束；土工格栅拉伸刚度越大，对路基沉降改善作用越好；地基土参数影响最为显著，变形模量越大，路基沉降越小，泊松比增大有助于增强横向扩散并改善沉降均匀性。

为促进拱桥合理拱轴线设计理论的发展，回顾了合理拱轴线设计理论演进历程，总结了合理拱轴线计算方法的代表性研究成果和面临的主要问题，探讨了未来研究重点与方向。研究结果表明：拱桥的发展离不开合理拱轴线设计理论的完善，求解匹配恒载作用模式、逼近恒载压力线的拱轴线是拱桥设计的关键，能够实现材料特性与结构受力的高效协同，提升拱桥整体性能和承载效率；合理拱轴线计算方法总体上分为解析方程法和曲线拟合法,前者的重点在于确定拱桥主拱和拱上建筑的恒载作用模式、建立和求解拱轴线方程，后者的重点在于选择拟合曲线类型、确定控制点位置和数量、判定拟合方法及优化目标，常用的拟合曲线有悬链线、高次抛物线、样条曲线等；解析方程法将合理拱轴线用恒载集度、水平推力等结构设计参数表达，能够指导主拱和拱上建筑的合理结构布置与选型，显著优化拱桥受力；曲线拟合法求得的拱轴线多为光滑曲线，主拱在集中力作用截面或相邻集中力中间截面将产生较大的局部弯矩；未来需结合大跨拱桥创新发展趋势，重点攻克轻质高强材料应用、复杂结构布置优化及特殊施工方法适配等3类场景交互作用下的拱桥合理拱轴线设计难题，为大跨拱桥合理成桥状态提供理论支撑。

针对已有目标检测算法在隧道衬砌裂缝检测过程中出现的误检、漏检、抗干扰能力差及检测精度低等问题，提出一种面向实际工况的隧道衬砌裂缝检测算法RSwin。该算法的创新点在于：①首次提出了Residual Swin Transformer Block (RSTB)，该模块具有针对复杂衬砌裂缝特征的全局建模及局部特征提取能力，增强了多尺度衬砌裂缝特征融合与表征，提高了模型性能及泛化能力；②首次融合了Shape-IoU损失函数，优化了形状匹配问题的评估方法，全面地考虑了边界框特性并以此来计算损失值，提高了模型在隧道衬砌裂缝识别任务中的目标框匹配表现。为验证所提出算法的有效性，在自采隧道巡检数据集上采用共11种经典目标检测模型(YOLOv7、YOLOv8、YOLOv9、YOLOv10、Cascade Mask R-CNN、Cascade R-CNN、Faster R-CNN、FSAF(Feature Selective Anchor-free Module)、FCOS(Fully Convolutional One-stage Object Detection)、NAS FCOS(Neural Architecture Search Fully Convolutional One-stage Object Detection)、Mask R-CNN)进行模型对比、训练、验证和测试。训练结果和可视化结果表明：RSwin算法的mAP50为97.6%，相对7种对比算法，分别提高了14.51%、5.57%、4.41%、2.98%、3.2%、2.5%、6.43%、11.7%、3.1%、4.7%、2.4%；同时拥有最快的推理速度，在807像素×606像素的条件下，帧率为9.3帧·s^-1。RSwin算法识别精度最高，综合性能最优，可有效应用于实际隧道裂缝检测任务。

在自动驾驶技术驱动下，未来道路上将不可避免地呈现自动驾驶车辆和人工驾驶车辆混行的交通流态势。在人机混行环境中，人机交互的过程需要驾驶人去适应，使得驾驶人出现不同于传统驾驶环境下的自适应行为，这种行为变化进而影响整个人机混合交通流运行。聚焦人机混行下的数据采集、行为特征分析和微观行为建模3个方面，整理有关人工驾驶车辆自适应行为的研究现状及未来展望。结合文献计量等方法梳理驾驶行为数据获取的4种主流方式，分析驾驶人在人机混行下跟驰与换道自适应行为的典型特征及其影响因素，并基于此总结了针对驾驶人的3种微观行为建模方法。研究总结发现：现有的数据采集方法各有优劣，应针对不同的采集需求以及采集场景灵活选用；驾驶人的自适应行为主要表现在其跟驰换道过程中，该行为与驾驶人对自动驾驶技术的信任度、驾驶风格等主观因素以及自动驾驶车辆渗透率、驾驶环境等客观因素密切相关；目前人机混行环境下针对驾驶人行为的微观建模依然缺乏，既有相关模型可归类为调整参数、引入人因指标、构建新模型3个维度。基于此，进一步提出具有研究价值的研究方向：高精度多模态驾驶行为数据采集、多场景人机交互下的自适应行为研究、以及基于多层次人因特征刻画的微观行为建模，以期为自动驾驶技术发展提供科学依据，实现人机交互和谐共驾，推动交通系统向智能化、安全化、高效化迈进。

混合动力电动汽车在节能减排与缓解用户里程焦虑方面展现出显著优势，能量管理策略(EMS)作为混合动力系统的核心技术，其相关研究已成为电动汽车领域的技术热点。近年来，随着机器学习的快速发展，其在智能网联场景下对多源高维信息的感知能力为电动汽车节能优化提供了新的技术路径。基于此，系统性地总结了机器学习在混合动力系统能量管理中的应用与研究进展，重点探讨了两大类方法：基于经典机器学习的智能预测型EMS和基于强化学习的智能学习型EMS。研究发现：以监督学习和无监督学习为代表的经典机器学习方法能够有效提取网联交通环境和车辆运行数据中的关键特征信息，可在智能预测型能量管理的工况预处理任务中发挥重要作用，并为传统优化控制算法的策略优化提供有力支撑；深度强化学习则通过融合具有环境感知能力的深度学习与具备策略决策优势的强化学习，在复杂动态交通场景下的电动汽车实时优化控制中展现出独特优势。基于现有研究进展，就机器学习在能量管理领域的未来研究方向进行了展望，可为后续研究提供理论参考和实践指导。

为探究不同加劲肋构造与焊接形式的钢桥面顶板焊接细节畸变疲劳机理，系统总结了国内外钢桥面顶板与加劲肋焊接细节物理疲劳试验研究成果，结合数值断裂力学理论与扩展有限元方法对钢桥面顶板与加劲肋焊接细节进行数字孪生疲劳试验。以某单层桥面钢桁悬索桥为工程背景，建立了包含12种钢桥面顶板与加劲肋焊接构造型式的全桥精细化数字孪生模型；引入焊接热效应，采用JTG D64—2015规范中车辆疲劳荷载模型Ⅲ加载实现裂纹扩展演化全过程模拟；提出了更能全面表征疲劳裂纹扩展规律的裂纹面积扩展速率基本概念和定义表达式，采用加载循环次数、裂纹面积扩展速率等指标对比分析不同构造细节的疲劳性能，并与物理疲劳试验结果交互验证，实现了疲劳元宇宙的数据相生与虚实共生。物理疲劳试验结果表明：8 mm等厚U肋单面焊的焊趾、焊根疲劳强度分别高于JTG D64—2015规范中的55级与50级；8 mm等厚U肋双面焊焊根无裂纹萌生，内、外侧焊趾疲劳强度分别为70级和90级；12~16 mm变厚U肋双面焊的内外焊趾疲劳强度均可达到100级；开口肋焊接细节疲劳强度离散性较大，但普遍高于60级。数字孪生疲劳试验结果表明：以裂纹穿透顶板的加载循环次数为失效判据，8 mm等厚U肋单面焊疲劳强度为JTG D64—2015规范中的60级；8 mm等厚U肋双面焊焊趾达80级；12~16 mm变厚U肋双面焊提升至90级，但高热量输入带来的较大焊接残余应力和变形对钢桥面板长期性能的负面影响不可忽视；而开口肋仅为50级。数字孪生疲劳试验结果拓展了物理疲劳试验未能涵盖的长寿命区段，揭示了钢桥面顶板细节群疲劳元宇宙原生数据的内在规律，为钢桥面板畸变疲劳机理分析及抗疲劳设计提供了重要依据。

作为桥梁运维的核心环节，桥梁巡检的数智化是其发展的重要方向与内容。桥梁数字孪生具有虚实交互、数据驱动、多物理场仿真等特性和优势，已成为支撑桥梁数智化运维的关键部分。面向桥梁巡检的数智化发展，对数字孪生背景下的桥梁巡检技术体系进行了全面综述。首先，提出了融合数字孪生的桥梁巡检技术框架，围绕数据采集、处理、表达的桥梁巡检全过程，讨论了结构三维建模与病害表达技术的最新进展。其次，聚焦数字孪生桥梁巡检应用，分析了巡检机器人系统无人自主化、远程实景巡检等研究现状和发展关系。最后，探讨了结构数字孪生与表达、桥梁场景数据增强、数字孪生桥梁巡检系统构建等关键问题，展望了未来发展趋势。综述分析表明，面向桥梁结构长寿命运维需求，数字孪生技术是实现科学化、精细化、时效化巡检的关键路径。尽管当前研究在巡检软硬件的数智化程度上实现了诸多突破，但在数字孪生的大背景下，该领域仍有大量的基础理论与技术亟需突破创新。

为了突破工程结构数字孪生系统中物理传感覆盖度有限的瓶颈，提出了一种基于人工智能增强型降阶模型(AI-Reduced Order Model, AI-ROM)的虚拟传感技术，能够融合多源物理传感数据，实现复杂结构全域响应的实时推演。方法上，基于降阶模型理论将结构响应视为一组降阶基的线性组合，从而将虚拟传感等效为实测响应数据约束下的降阶基组合系数优化问题，依此构造了可考虑跨力学场虚拟传感的深度学习损失函数，提出了基于标准注意力机制的组合系数智能预测模型，利用局部监测数据完成结构全域响应的精准重构。依托狮子洋大桥钢板-混凝土组合塔壁足尺压弯试验，验证智能虚拟传感方法的有效性。利用精细数值模型生成压弯工况下下全过程响应数据训练部署AI-ROM模型，将试验中的6个位移计与17个应变计实测数据作为响应重构约束条件。结果表明：AI-ROM模型成功实现了基于有限传感数据的跨力学场全域响应重构，即使对于离散性较高的应变场，AI-ROM重构的相对误差为9.1%，相较于精细有限元结果，精度提升了63.5%；借助智能虚拟传感技术，进一步提出了考虑分析区域分片聚类的传感器优化布置算法，通过迭代评估响应重构精度确定关键监测点空间分布，在塔壁足尺试验中，该算法可使应变传感器数量减少58.8%。提出的智能虚拟传感技术有助于实现工程结构数字孪生广域感知-实时仿真一体化要求，为建筑与基础设施运维安全风险评价提供了更为全面的信息支持。

受复杂环境荷载影响，结构运营期力学性能随时间改变，准确识别结构服役特征参数，评估结构安全性能是当前面临的重要挑战。提出了一种面向结构动态数字孪生的时变可靠度递阶贝叶斯更新方法。利用有限元理论建立结构实体模型的数字孪生模型，基于采集到的实体模型动态响应监测信息，使用贝叶斯算法识别数字模型模态参数，通过构建递阶贝叶斯框架识别时变物理参数，利用期望最大化算法提取时变物理参数的统计特性，依据最大熵理论更新数字模型。利用概率密度演化理论，提出时变结构动力可靠度评估新方法。相比传统方法，所提方法能更全面地考虑服役特征参数的时变特性及其不确定性。利用剪切型结构与桥梁模型及实验室模型验证所提方法，并将所提方法与传统方法得到的结果进行对比。结果表明：所提方法能准确更新时变数字模型，并且相较于传统方法，采用所提方法能够有效处理时变物理参数，确保结构动力可靠度评估结果的鲁棒性。

针对在役桥梁结构劣化的智能感知与安全评估难题，提出了一种基于数字孪生的智能诊断方法，旨在实现桥梁结构服役安全的精准感知与快速评估。考虑桥梁结构特征和劣化趋势，融合海量时空检监测数据与专家经验，建立“数据驱动-知识约束”的桥梁结构服役安全诊断数字孪生模型，并构建虚实映射、动态交互与推演更新机制；通过集成高分辨率二维图像数据、三维激光点云数据等多源数据，构建面向桥梁结构服役安全诊断的多模态数据融合感知体系；通过引入坐标注意力机制的目标检测算法与点云配准技术，对桥梁结构表观病害及其时空演化进行快速精准识别与分析；综合利用桥梁检测规范与行业专家经验知识，建立基于模糊逻辑推理的桥梁结构服役安全诊断专家经验知识模型，实现桥梁结构服役状态的智能诊断，显著提升了结构劣化感知与安全诊断的效率与准确性。以安徽省某桥梁为对象开展案例分析，结果表明:该方法能够有效识别桥梁结构病害特征与变形状况，对桥梁结构服役安全进行智能诊断，所提出的数字孪生框架对推动桥梁智慧运维具有重要意义。

为制定低碳可持续的路网级桥梁全寿命期维养策略，提升环境、经济与安全综合效益，研究提出一种基于深度确定性策略梯度(DDPG)强化学习的优化方法。该方法结合桥梁结构特征、网络拓扑、交通数据以及风险态度，构建强化学习智能体，系统性优化了桥梁维养决策。环境、经济和安全指标的评估综合考虑资源消耗、潜在结构失效引发的后果及车辆绕行的影响等，量化了桥梁维养对可持续性能的贡献。在构建强化学习的奖励函数时，将可持续性指标转化为单调递减的效用值，以反映优化过程中的偏好与约束；基于强化学习框架，设计了包含深度神经网络的DDPG智能体，利用路网级桥梁的结构退化特征和交通数据进行试错学习，从而逐步优化维养决策策略。验证结果表明，所构建的强化学习方法在环境、经济和安全指标之间取得了更优的平衡，智能体通过试错学习捕捉了桥梁性能变化特征，有效优化了维养优先级和资源分配策略，为提升基础设施管理的智能化与可持续性提供了科学依据。

数字孪生与元宇宙技术的发展应用对于实现桥梁智慧运维起着至关重要的作用，其中桥梁自动化三维重建是构建数字孪生模型及元宇宙平台的关键。针对现有桥梁三维重建方法难以实现几何-语义一体化重建的问题，提出一种基于三维高斯溅射(3D Gaussian Splatting, 3DGS)的桥梁高保真自动化三维重建方法。首先，针对桥梁构件区域边界特征，提出基于分割一切模型(Segment Anything Model， SAM)的桥梁语义分割模型，对无人机拍摄的桥梁多视角图像进行高精度语义分割，生成桥面、索塔等构件语义掩码。随后，在场景表征的三维高斯核函数中增加语义特征属性，实现复杂几何和语义特征的自适应表征。最后，将三维高斯投影至二维图像空间，利用可微光栅化算法生成语义特征图和渲染图，通过几何-表观-语义多属性联合优化，实现桥梁几何结构保真度与语义关联精确性相统一的三维重建,并以广东省南沙大桥为例进行验证。试验结果表明：重建的桥梁三维模型可以高保真还原桥梁纹理细节及语义信息，三维重建的平均交并比为87.2%，总体准确率为91.6%。所提出方法有效解决了传统方法中几何与语义信息割裂问题，可为桥梁全生命周期数字孪生提供兼具物理精确性与语义可解释性的三维基础模型。

针对水下混凝土结构表观裂缝检测一直存在效率低、成本高、精度差等问题，提出一种基于深度学习和爬壁机器人的智能检测方法。首先，根据水下爬壁机器人采集的裂缝图像特征建立裂缝分割模型Transformer-AL；其次，引入特征金字塔学习模块提取裂缝全局语义信息，设计与编码过程精度匹配的解码器；然后，提出基于混合注意力机制的主动学习模块，降低分割模型的数据标注成本；最后，以裂缝二值化分割结果和标定后的相机为基础，结合几何量化和三维重构技术，对水下混凝土结构外观进行空间重建。研究结果表明：该方法能够有效降低数据的需求量，并以0.787的平均交并比(mean Intersection-over-Union， mIoU)在复杂水下图像中识别裂缝，宽度量化精度可达亚毫米级，外观重建结果全面展示了结构的表面开裂状况。研究成果将为水下混凝土结构智能检测技术的发展提供理论依据。

为满足随机干扰情形下智慧梁厂的智能排产与调度需求，引入数字孪生技术，构建了一个集“虚实空间交互-生产数据分析-排产调度决策”于一体的智慧梁厂排产调度平台。首先，基于车间调度理论与物理实际约束，设计了智慧梁厂排产调度架构体系，并建立了考虑人机作息时间的零空闲生产调度模型。其次，针对生产设备故障和构件积压等随机扰动，提出了“右移+部分重调度”的动态排产策略。在此基础上，从梁厂要素、生产工序和场景仿真3个方面对智慧梁厂数字孪生模型的构建理论与技术展开研究，提出了数字孪生驱动的智能排产与调度架构。最后，通过四川某高速公路沿线一座智慧梁厂的排产调度进行了应用验证。研究结果表明：提出的智慧梁厂零空闲生产调度模型能够替代传统人工排产方法，有效缩短梁厂的总生产工期；设计的动态调度策略能够有效应对生产过程中的突发事件。通过数字孪生驱动的静态与动态调度模型，智慧梁厂实现了对构件生产工序的精准调控和动态优化。与静态排产调度模型相比，采用孪生数据驱动的动态调度策略在设备故障和构件积压情形下分别节约了120 h和116 h，降幅达14.9%和14.5%，显著提高了智慧梁厂排产调度的灵活性与生产效率。

路基工程承载着为路面结构提供稳定支撑的重任，不仅影响着道路的稳定性，更关乎其安全性与耐久性。为进一步提升我国路基工程学科实力，促进我国路基工程绿色低碳、可持续、智能化高质量发展，助力交通强国建设，在分析行业发展现状与趋势的基础上，围绕路基填料工程特性、耐久性路基设计理论、路基拓宽、路基防护与支挡、路基工程智能建造与防灾减灾等六大主题，系统总结了我国路基工程领域近年来科技创新的最新成果，全面梳理了未来重点发展方向。具体涵盖巨粒土、粗粒土、细粒土和特殊土等各类路基土性状、路基湿度演化与设计、路基结构模量确定方法、路基永久变形计算与控制标准、拓宽路基非均匀沉降指标与标准、新老路基拼接方法、改扩建路基防排水、新地基处理、路基边坡稳定性评价、坡面防护、抗滑桩和挡土墙、边坡锚固结构与防排水设计修复、路基智能压实、路基性能智能检测与监测、路基灾害类型及成因、路基病害检测、灾害监测及预警、路基病害与灾害防治、路基灾害韧性评价与提升等热点研究方向，分析论述其学术研究现状、存在问题、具体对策及发展前景。该综述可为中国路基工程学科发展提供指引和参考，为路基工程领域研究人员和技术人员提供新的视角和基础资料。

驾驶过程中保持适度的警觉水平是保证驾驶安全的重要条件。驾驶警觉下降的类型可归纳为疲劳、分心驾驶及长时间的自动驾驶监控3类，不同类型的驾驶警觉下降在重点特征、注意机制等方面可能存在差异，但其异质性特征尚未明晰。这种异质性可能是导致当前不良驾驶状态检测模型泛化能力不足、预警效能不理想的重要原因。为系统揭示驾驶警觉下降的特征和机制，从驾驶警觉下降的测量工具、类型、特征、影响因素、内在机制、检测方法和预警研究展开文献分析，得出以下结论：第一，警觉的测量工具已形成较为完整的体系，但其在交通场景中的应用尚未实现广泛普及；第二，驾驶警觉下降特征已基本明确，但疲劳驾驶的类型差异研究不足，认知分心的脑电特征研究存在空白，且听觉-认知分心、疲劳驾驶及两者的交互效应对接管效率的影响机制亟待探明；第三，警觉下降的机制层面，睡眠相关疲劳导致的驾驶警觉下降与大脑皮层活动减弱相关，而任务相关疲劳、分心驾驶及自动驾驶监控导致的驾驶警觉下降则与注意资源不足和觉醒水平相关；第四，现有检测技术过度集中于疲劳驾驶与视觉-操作分心，对认知分心的检测及警觉等级综合评估研究不足，且因EEG和眼动设备成本高、数据处理复杂，导致其应用受限；第五，现有预警系统忽视了驾驶环境、个体生理心理等因素的影响，缺乏基于驾驶警觉下降机制的差异化预警策略。因此,建议：①深化跨学科协作，构建交通场景专用的警觉测量范式，推进警觉测量工具在交通领域的实证研究；②系统对比各类型疲劳驾驶的驾驶警觉特征差异，解析不同认知加工组合下分心驾驶的眼动-EEG特征图谱；③研发便携式低侵入性脑电采集装置，构建基于眼部特征与ERP指标认知分心的实时监测模型；④基于标准化的试验设计、创新数据分析方法和多模态数据融合技术三重路径突破ERP指标识别瓶颈；⑤制定驾驶人群分类预警标准，设计基于驾驶警觉下降机制的个性化预警方案，集成车内环境调控预警系统。

交通标志作为保障交通系统安全、高效、绿色运行的关键元素，其效能的充分发挥常受交通标志设置标准适应性、测试手段有效性、效用解析全面性等问题的制约。基于此，聚焦交通标志引发的“找不到”、“看不懂”、“走不对”三大影响出行品质的基础问题，运用科学知识图谱的方法系统梳理并归纳交通标志的研究热点。同时，从驾驶人“发现、理解、执行”的认知决策链路出发，全面综述交通标志研究的试验测试平台、基础理论与关键技术。现有研究表明，交通标志对驾驶人视觉感知、认知决策、操控行为特性以及车辆运行状态的影响机制仍有待系统刻画，其作用链路与驾驶人需求之间的关联尚未得到充分揭示。基于此，结合团队研究经验，创新性地构建涵盖“方案设计、特征表现、量化评价、优化甄选、配套设置、标准指南”6个方面的交通标志研究与应用范式。通过剖析典型交通标志研究案例，详细阐述了该范式的具体实施步骤，并与国内外同类研究方法进行对比。研究结果表明:融合人因需求的交通标志研究与应用范式具有明显优势，不仅能够为标志设计研究、优化提供理论支撑，还将为解决交通行业安全设施共性问题及重大工程应用提供有力的依据。

智能汽车在与行人频繁交互的混合交通流中，其运行的安全性和效率面临严峻挑战。为应对此挑战，对人车交互行为的精准建模已成为关键。该技术不仅是提升车辆决策智能水平的核心途径，也是构建高保真虚拟测试场景的基石，两者共同为实现更安全的行驶、更优的交互体验与更高的通行效率提供了核心支撑。然而，当前该领域的研究呈现高度碎片化的特征，且缺乏系统性的梳理与归纳。为此，对人车交互建模技术的前沿进展与核心挑战进行全面综述。首先从交通安全、效用最大化、社会规范与信息交换4个维度，深度剖析了人车交互的关键特性，并在此基础上构建了其形式化定义；其次，系统回顾了行为建模的主流技术路线与交互效应的量化方法，并探讨了智能汽车作为交互主体的独有特性及其建模范式；最后，对该技术的未来发展趋势进行了总结与展望。揭示了当前研究存在的若干核心局限：理论层面，对行人的行为认知机制理解尚浅，且对交互中信息沟通作用的认知缺乏系统性；模型层面，现有模型的物理或效用假设存在局限，不同类型模型的融合研究不足； 情境层面，普遍忽视了交互场景、车辆特性及参与者异质性等关键要素； 方法层面，数据驱动模型仍面临可解释性不强的瓶颈。针对上述挑战，未来研究应聚焦于深化认知机理的理解，探索物理与效用耦合、专家知识与数据共驱的路径，并系统性地将场景、车辆及个体异质性等因素纳入考量。值得注意的是，多模态大语言模型、具身认知等前沿理论与技术正为此领域带来新的研究范式。推动该领域的实质性突破，亟需多学科的深度交叉融合与新兴技术的创新性应用，以最终促成一个更为安全、高效和人性化的新一代智能交通系统。

随着自动驾驶测试需求的迅猛增长，从众多测试场景中快速筛选出关键场景已成为测试工作的核心任务。针对关键场景数量稀缺、出现概率低导致测试效率低的问题，关键场景加速遴选技术的攻克极为迫切。为了全面综述自动驾驶测试中关键场景的加速遴选方法，从功能场景、逻辑场景和具体场景3个维度进行了深入探讨。在功能场景层面，研究主要着眼于场景构型，遴选出构成关键场景的要素组合；在逻辑场景层面，研究则侧重于场景范围，遴选出构成关键场景的要素取值范围；在具体场景层面，研究则聚焦于场景实例，遴选出构成关键场景的要素具体取值。当前针对功能场景与逻辑场景的研究尚显不足，亟需更多的研究投入。此外，现有方法仍面临场景真实性不足、加速效果有限及与自动驾驶功能不适配等多重挑战。未来研究应聚焦于解决上述问题，特别是在功能场景与逻辑场景方面，持续优化关键场景加速遴选技术，以期为自动驾驶测试技术的持续进步提供强大动力。

暴露在大气环境中的钢桥，在温度、相对湿度和污染物的共同作用下，不可避免地会发生腐蚀病害，成为困扰全球的难题。为了深化对大气环境腐蚀作用的认知，从桥位附近的宏观环境、构件附近的局部环境和构件表面的微环境3个层面总结和归纳了现有研究成果，并探讨了未来的研究方向。现有研究表明：宏观环境已达到可表征、可分级的研究阶段，建立了基于标准挂片暴露试验结果和气候参数的宏观环境腐蚀性分级方法；局部环境仅能体现钢桥不同部位长期接触的腐蚀介质类型对环境腐蚀性的影响，缺乏腐蚀介质作用强度和持续时间等表征参数，腐蚀性等级的判定依赖工程经验；微环境以钢材大气腐蚀机理为核心，通过表面温度、表面湿度和表面污染物沉积量等参数动态表征钢桥不同点位大气环境的腐蚀性强弱。已经形成的中国腐蚀环境分区图存在数据密度低，暴露试验测站位置远离桥位等缺陷，难以准确体现桥位处宏观环境的腐蚀性等级。建议沿着中国公路网建立梯度化大气腐蚀暴露测站，获取多源大气腐蚀数据，形成适用于钢桥的腐蚀环境分区图。未来应该以构建可表征、可量化、可应用的微环境研究体系为目标，开展微环境计算理论研究，明确微环境参数的相互影响机制并构建量化分析方法，建立微环境层面的大气腐蚀速率预测模型，以期为局部腐蚀部位精准感知、耐腐蚀构造设计、靶向养护设计等提供科学原理。

在全球碳中和目标驱动下，公路的清洁化能源供给是实现交通脱碳的关键路径。立足交通基础设施与能源系统的协同发展视角，对路域绿色能源的开发利用潜力进行了系统性综述。首先，根据能量来源将路域绿色能源归纳为2类:①太阳能、自然风能、地热能和水能等路域自然禀赋能源；②机械振动能、路面热能和交通风能等公路交通引发能源。其次，系统梳理了光伏电池、风力涡轮机、地源热泵、水能和波浪能转换装置、基于压电效应、摩擦纳米发电或电磁感应的振动能收集器以及热电发电机等多种能源收集利用技术、转化效能与技术瓶颈。最后，建立统一场景下的潜力评估模型，横向对比了不同能源的输出功率、经济性及减碳效益，并总结了路域绿色能源的典型应用场景。研究表明:尽管路域绿色能源潜力巨大，但其开发利用面临着能源精细化评估、技术效率与耐久性及系统集成与经济性等多维度的挑战。该研究为构建清洁低碳、高效融合的新型交通能源体系提供了理论框架与决策参考。

为客观评估复杂服役条件下沥青混合料的疲劳损伤特性，开展了不同应力状态、不同试验温度、不同加载频率(速度)条件下沥青混合料的强度、疲劳及不同加载次数下的剩余强度试验，揭示了传统以剩余强度表征疲劳损伤模型未考虑沥青混合料黏弹性特性的局限性；基于以等效应力表征的沥青混合料三维强度屈服模型，定义了三维应力状态下的疲劳应力比，建立了三维应力状态下疲劳应力比与疲劳寿命的模型，实现了不同应力状态、不同温度、频率的疲劳性能归一化表征；在此基础上，采用等效应力表征不同应力状态下的剩余强度，以归一化疲劳方程表征疲劳寿命，推导了三维应力状态下沥青混合料非线性疲劳损伤演变模型。研究结果表明：传统以剩余强度表征疲劳损伤模型难以客观表征不同试验方法及条件下沥青混合料的疲劳损伤特性，其模型参数γ₁在0.933~-0.948之间波动，参数γ₂在0.174~-0.186之间波动；三维应力状态下沥青混合料非线性疲劳损伤演变模型实现了疲劳损伤的归一化表征，既直观验证了沥青混合料疲劳损伤的时-温-应力状态相关性与等效性，亦可消除试验方法与试验条件对疲劳损伤表征的影响，为定量分析沥青混合料的疲劳损伤特性提供了理论依据。

土中孔隙水一直是土力学研究中的热点及难点问题，其物理特性是高液限土、软土等特殊土力学规律研究中的共性关键科学问题。土中孔隙水依赋存状态可分为自由水和吸附水，其中吸附水具有高密度、强结构性等独特物理性质，表现出与自由水截然不同的流动和相变行为。目前，吸附水物理性质对土体渗透、强度及变形特性的影响规律尚不明确，且实际工程对吸附水关注较少，未能充分利用其物理特性优化工程实践。重点综述了土中吸附水及其对土体特性影响规律的最新研究进展，介绍了微观、细观和宏观等多个尺度的理论和试验研究成果：系统归纳了吸附水的形成机制，分析了吸附水与毛细水的物理性质及差异，阐明了吸附水对土体水力和力学特性的影响规律；分析了吸附水对土体渗透特性影响的试验研究现状，并介绍了考虑吸附作用的渗透系数模型最新进展；归纳了吸附水对土体强度演化规律影响的试验研究现状，介绍了考虑吸附水影响的强度理论模型最新进展；总结了吸附水对土体压缩变形、蠕变变形及路基土回弹特性影响的研究进展，重点分析了吸附水在高液限土和软土蠕变特性中的作用；分析了吸附水特性在高液限土路堤和软土地基工程中的潜在应用前景，并展望了未来研究的重点和方向，为后续研究提供参考。

为了揭示岩溶隧道纵向排水管堵塞对衬砌结构力学特性的影响机理，研制了一套可模拟不同堵塞程度及岩溶通道特征的试验装置，将复杂的隧道排水系统等效为环向盲管与包含横截面面积与纵向长度的纵向排水管，并开展了纵向排水管不同堵塞程度下隧道渗流物理模型试验。结果表明：随着纵向排水管堵塞程度逐渐增大，岩溶通道内水位下降速度与隧道排水量均发生快速降低，显著地降低了隧道排水系统对地下水的消散能力。岩溶通道中地下水直接以局部高水压方式作用于隧道衬砌上，进而使得隧道衬砌结构的应力响应明显增大。当发生完全堵塞时，岩溶通道内水位下降速度与隧道排水量减少率分别高达82.5%与95.9%，拱底处水压力与左拱腰处结构应力变化最为敏感，增长率分别为30.1%与37.6%。通过对比纵向排水管的2个堵塞指标，发现纵向长度堵塞指标直接影响地下水的水流路径长度，而横截面面积堵塞指标直接影响排水管的等效渗透系数，两者共同决定了隧道排水管的排水性能。同时，由于非线性的演化规律，2个堵塞指标在堵塞过程中的影响权重存在明显差异性，低堵塞条件下以纵向长度堵塞指标影响为主，而高堵塞条件下以横截面面积堵塞指标影响为主。研究成果可为岩溶隧道运营期排水系统堵塞诱发的衬砌结构安全评估及维护对策提供理论依据。