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。

指路标志为驾驶人提供路径指引和决策依据，但现有高速公路指路标志研究多集中于关键互通或出入口标志的有效性分析，缺乏对整个路网中标志系统的协同分析。为全面分析路网中的指路标志，提升其对驾驶人的有效性和路径引导作用，提出路网指路标志综合协调性概念，采用多维特征协同云模型构建了一种结合标志信息连续性、形式一致性和驾驶人认知负荷恒常性的路网指路标志综合协调性等级量化评价方法。基于石家庄高速公路路网指路标志，采用图论和蒙特卡洛法确定路网互通节点指路标志信息连续性，选取信息密度、标志数量、标志预告距离的欧式距离计算形式一致性，依托实车试验收集驾驶人的脑电及眼动数据衡量驾驶人认知负荷恒常性，最后进行多维度综合协调性评价。研究结果显示：研究范围内的路网综合协调性为中等，路网范围内的13个互通节点中仅1个节点为高协调性。其中，互通节点标志信息综合连续性为0.93，但存在1个节点单向连续性仅为0.16，难以指引正确方向；53.85%的互通节点标志形式一致性、驾驶人认知负荷恒常性以及路网标志综合协调性均低于路网平均水平。结果表明：实例分析较好地验证了综合协调性等级量化模型；此外，还发现信息密度与驾驶人认知负荷呈正比；与信息密度相比，信息不连续对驾驶人认知负荷影响更大，认知负荷恒常性可间接反映路网协调性。

虚拟参考信号能有效平衡多通道车内路噪主动控制系统的计算能力与降噪效果，但目前虚拟参考信号实际应用中仍存在计算量大和适用性不足的问题；基于此，利用多工况下的振动数据特征合成多工况变换矩阵，提出了一种时域虚拟参考信号构建方法。基于多重相干法选取原始参考信号，在各工况下利用奇异值分解法获取参考信号协方差矩阵的特征值及特征向量。对各工况提取的特征向量矩阵依据特征值降序排列后截断较小特征值对应的特征向量，将各工况截断后的特征向量矩阵按照顺序拆分重新分组，在各特征向量组中分析各特征向量的皮尔逊相关性，挑选各组平均相关系数最大的特征向量组合多工况变换矩阵，从而构建虚拟参考信号。为了检验所提方法的可行性以及适用性，以PHEV乘用轿车为研究对象开展仿真与实车试验，利用多个工况采集的12个原始参考信号合成多工况变换矩阵，基于该矩阵构建7个虚拟参考信号。结果表明：与现有选点方法相比，所提方法基于多工况变换矩阵进行降维处理，能够在综合12个原始参考信号信息的基础上有效降低约11.5%的计算量。此外，针对多种典型路况的测试分析显示，所提方法在各工况下均取得了较好的降噪效果，与现有方法相比，50~500 Hz频带内总声压级降噪量提高了0.7~1.8 dB(A)。表明所提方法在减小计算量的同时提升了降噪效果，为虚拟参考信号在工程实践中的应用提供了参考。

公路边坡灾害是公路交通安全运行的重要威胁，厘清公路边坡灾害的发生机理，并开展轻量化的监测预警，已成为保障路域安全的迫切任务。在梳理公路边坡灾害特征和分布特点的基础上，系统总结了公路边坡的5种典型破坏模式(崩塌、滑坡、泥石流、路基塌陷、表层溜坍)，分析了每种灾害的特征与灾变机理，并深入探讨了其影响因素和诱发条件。基于此，提出公路边坡灾害的轻量化监测预警思想，主要涵盖巡查与排查、监测因子选择、监测位置优化、监测预警模型优选以及预警防控措施等5个环节，并指出了轻量化监测预警应满足的条件；同时，总结出“先筛后测-低成本感知-轻量模型”的核心框架，以及可行的实现方案。该研究可以为公路边坡轻量化监测预警技术的研发与应用提供参考，对保障公路交通韧性服役有积极的意义。

针对山区公路沿线滑坡灾害时空演化复杂、诱发机制多样及传统处治手段响应滞后的问题，提出一套识别-预警-控制全流程一体化的滑坡处治方法。在隐患识别方面，融合遥感影像、InSAR干涉测量、无人机航测及激光雷达等多源数据，提出滑坡快速识别与演化追踪方法，并结合地球物理勘探与钻孔测斜，精准解析滑动面几何特征。在监测预警方面，建立融合GNSS、测斜、应力计、微震及气象传感器的多参量监测体系，构建基于变形-力学控制-环境响应的分级预警模型，实现复杂地质条件下滑坡的动态监测与精准预警。在控制策略方面，提出集成微型桩和智能锚固等构件的结构优化与阶段化快速应急处治策略，实现针对性强、部署高效的处治目标。提出的方法在都巴高速那良滑坡治理工程中得到验证，结果表明其在公路沿线滑坡“识别-预警-控制”一体化处治中适应性较强。

地震诱发的高位岩体崩塌灾害动力演化过程复杂，致灾能级高，严重威胁交通生命线工程安全。为探究强震作用下公路高位岩体动力失稳演化机理及致灾效应，以2022年泸定地震中海螺沟景区道路附近，距离震中仅2.5 km的兰花寨高位危岩带为研究对象，构建了考虑真实地形特征的动力学模型，基于连续-非连续理论模拟了兰花寨高位岩体的动力灾变过程，揭示了公路路基在崩塌冲击荷载下的破坏模式；进一步开展了震后危岩体致灾特征量化分析，阐明了落石运动轨迹及其对公路造成的影响。研究结果表明：“9·5”泸定地震作用下，兰花寨高位危岩带受3组优势结构面控制，崩塌失稳形成NW-SE向展布的9万~16万m³松散堆积体，成为影响公路抢通保通和灾后重建的关键节点；高位岩体崩塌的灾变过程可分为震裂启滑阶段、抛射飞行阶段、碰撞解体阶段、摩擦堆积阶段4个动力学阶段；地震崩塌致灾对公路路基破坏具有双重机制，地震动诱发路基结构微损伤，高位岩体崩塌冲击导致路基结构发生压剪破坏；震后2023年1月18日和1月27日2次落石运动轨迹均对公路路基构成直接威胁，建议应急抢通保通采用“堆积体阶梯状削坡清方+危岩体被动网防护”组合技术，灾后重建则实施隧道绕避方案。研究结果对强震山区交通基础设施防灾减灾工作具有重要指导意义。

当前山区高速公路滑坡风险缺乏综合评估框架,现有研究仅聚焦滑坡易发性而难以全面支撑风险管控的问题，为了构建科学的山区高速公路滑坡风险评估体系，基于地理信息系统(GIS)技术，提出融合“斜坡单元滑坡易发性-高速公路易损性-暴露度”的三维评估框架。首先结合滑坡触发机制与工程地质勘察数据，筛选出高程、坡度、坡位等 15 个滑坡影响因子，采用半监督学习方法构建LightGBM滑坡易发性评价模型；其次通过量化道路建成后的车流量及不同构筑物损坏可能导致的经济损失，确定生命损失、车辆损失、高速公路构筑物直接损失、修复费用及交通中断间接损失等 5 个易损性指标，并运用熵权法计算各指标权重以完成易损性评价；最后以受滑坡影响道路所在斜坡单元的面积及其与道路的平均距离表征高速公路暴露度。通过将易发性、易损性与暴露度三者相乘，实现了山区高速公路滑坡风险的定量化综合评估；突破传统仅关注滑坡易发性的研究局限，构建了“易发性-易损性-暴露度”三位一体的山区高速公路滑坡风险综合评估框架，且各维度指标选取与量化方法更贴合工程实际场景。研究成果可为滑坡风险综合评估提供方法论支撑，同时还可为山区高速公路滑坡风险的减缓、控制及风险管理决策提供科学依据。

针对滑坡深部变形微机电监测信号存在的随机噪声问题，提出一种联合改进的蜜獾算法(Improved Honey Badger Algorithm, IHBA)、变分模态分解(Variational Mode Decomposition, VMD)及改进小波阈值的降噪方法。首先在传统蜜獾算法中引入Tent混沌映射、WOA螺旋搜索机制和Levy飞行策略，利用改进的HBA算法对VMD分解的2个关键参数K和α进行寻优，得到最优参数组合，并将其代入VMD将含噪信号分解为多个本征模态函数(Intrinsic Mode Functions, IMFs)，计算每个IMF的方差贡献率以初步筛选滤除贡献率小的分量。其后结合相关系数将剩余分量细分为有效分量、含噪分量和噪声分量。改进小波阈值函数算法，设置高精度模四次方处理法克服传统阈值函数存在恒定偏差的缺陷，利用改进小波阈值算法对含噪分量进行降噪处理。最后将降噪分量与有效分量重构为降噪信号。仿真模拟试验结果显示该方法与常用降噪方法相比SNR最高(28.764 2)，RMSE最小(0.010 1)；同时开展滑坡深部变形实测信号降噪对比分析，结果表明，所提出的新方法得到的RMSE和RVR最小，NM和SNR最高，SER均在99%以上，高效降噪同时有效保留原始信号细节特征，显著提高了滑坡深部变形微机电监测数据的精度与可靠性，展现出良好应用前景。

为提高地震作用下土质边坡稳定性评估的合理性，将拟动力法和极限平衡Spencer法相结合，推导拟动力作用下边坡安全系数计算公式，结合Karhunen-Loève展开法生成边坡土体参数随机场，应用蒙特卡洛模拟法计算失效概率，建立拟动力作用下边坡风险评估模型，旨在全面考虑地震动态效应及土体参数空间变异性对边坡稳定性的综合影响。通过分析拟动力作用下边坡的峰值失效概率与地震周期内的平均失效概率，揭示地震动参数、边坡几何特征以及土体参数空间变异性(自相关距离、土体参数的变异系数及其相关系数)对边坡失效概率及安全系数的影响规律。结果表明：随着水平地震加速度系数的增加，边坡拟动力安全系数呈非线性减小，地震周期内峰值失效概率迅速增大；波长越长，潜在滑面的分布越为分散且深入，峰值失效概率越大；边坡的失效概率与边坡坡高和坡比呈正相关；空间变异性参数值的增加会导致边坡失效概率增加，在进行地震作用下的边坡风险评估时，土体参数的空间变异性不容忽视。

公路边坡普遍面临土壤侵蚀问题，严重威胁边坡稳定与沿线生态安全。植被是控制坡面侵蚀的重要手段。然而，现有研究多聚焦于植被对径流流速及侵蚀过程的定性分析，针对公路植被边坡条件下流速变化及防控土壤侵蚀的临界植被覆盖度的定量研究仍较为有限。为此，在不同植被覆盖度、流量和坡度条件下开展了室内径流冲刷试验，分析了径流的流态特征及平均流速变化，推导了适用于植被边坡的平均流速预测模型，并基于该模型构建了临界植被覆盖度计算方法。研究结果表明：径流主要表现为层流和过渡流，且均处于急流状态，随着植被覆盖度增加，雷诺数及弗劳德数减小，且流量和坡度的增加均显著提升两者数值。径流平均流速随植被覆盖度升高而降低，但其削弱效应逐渐趋于饱和。流量与坡度对流速的促进作用显著，呈指数增长趋势，基于能量守恒原理与水力学理论，并结合考虑环境因素的改进曼宁系数与局部阻力系数，构建了适用于植被边坡的平均流速预测模型。经294组不同工况下的实测数据验证，模型表现出良好的拟合精度(R² > 0.900)，且具备较强的适用性与稳定性。基于试验结果，结合土颗粒临界起动流速公式与SCS-CN模型，提出了公路边坡临界植被覆盖度计算方法，并基于实际径流冲刷试验的泥沙累计含量和粒径分布特征，对该方法在侵蚀控制中的有效性与可靠性进行了验证。

为揭示钢渣沥青混合料在复杂湿度环境下的长期结构损伤机制，以100%钢渣替代天然石料的沥青混合料为研究对象，构建不同恒定湿度(60%RH、80%RH、95%RH)养护体系，结合X射线CT图像分析、长期动态模量测试及曼特尔检验方法，开展多尺度细观-宏观耦合研究，量化孔隙结构参数矩阵与动态模量响应矩阵之间的相关性。结果表明:钢渣沥青混合料在高湿环境中孔隙结构遵循“微孔隙生成-中小孔隙发育-大孔隙合并”的三阶段演化规律，有效孔隙主导其体积膨胀与性能劣化过程。不同级配混合料在孔隙演化模式与损伤响应方面存在显著差异：SMA-13级配中孔隙合并效应强烈，易形成大尺寸连通网络(平均体积达47.12 mm³)；而AC-13级配则以微细孔隙发育为主(孔隙数量增幅达91.4%)，结构更为稳定。动态模量测试显示，湿度升高及养护时间延长显著降低混合料刚度，f-CaO与f-MgO的水化反应是主要致损因素。相关性分析结果验证了孔隙率与平均配位数、动态模量呈显著负相关，不同级配下细观参数与宏观性能的耦合关系表现出差异性。该研究为改善钢渣沥青混合料的体积稳定性、促进其在实际工程中的高掺量应用提供了坚实的理论基础和试验数据支持。

钢渣作为沥青路面集料替代材料时，其体积膨胀特性与水损害风险制约了工程应用。针对钢渣沥青混合料体积膨胀与水稳定性预测难题，构建了多因素耦合的机器学习预测模型。通过浸水膨胀试验与300组水稳定性测试(涵盖沥青类型、钢渣掺量、f-CaO含量、级配及环境条件变量)，构建了体积膨胀的反向传播神经网络(BPNN)模型和基于贝叶斯优化与交叉验证协同调参的水稳定性CatBoost预测模型，并采用SHapley Additive exPlanations(SHAP)理论解析了水稳定性的特征影响重要性和参数敏感性。研究结果表明：钢渣沥青混合料的体积膨胀与混合料级配组成、f-CaO含量和浸水时间显著相关；CatBoost模型对残留稳定度与劈裂强度比TSR的预测精度最高，且能够有效反映预测误差，其中R²>0.997，MSE<0.344 5；在影响水稳定性的材料因素中，钢渣粗集料f-CaO含量(SHAP均值2.05、1.21、1.17和4.62、1.44、0.77，下同)最为关键，其次为沥青类型(0.84、0.82)、钢渣掺量(0.36、0.32)和沥青含量(0.12、0.38)；钢渣f-CaO含量-沥青含量和f-CaO含量-钢渣掺量这2个特征组合对水稳定性存在交互作用；为满足水稳定性要求，建议沥青路面上面层钢渣掺量不宜超过75%，同时2.36、4.75、9.5 mm粒径钢渣的f-CaO含量阈值应分别控制在2.0%、2.25%和2.0%。研究成果可为钢渣膨胀控制和水稳定性预测提供理论支持，推动钢渣在沥青路面的资源化利用。

锁脚锚管(杆、索)具有稳定隧道初期支护拱脚、防止掉拱和抑制围岩离散变形等作用，在软弱围岩隧道支护设计与施工中受到普遍重视，其支护机理、受力特性、设计方法与支护工艺等一直是研究关注的重点。基于锁脚锚管(杆、索)支护相关研究和工程实践，从支护发展历程、支护工艺、支护作用原理、力学测试方法、受力特性和设计方法6个方面进行系统梳理和总结，分析已取得的研究进展。在支护发展历程方面，经历了“早期的拱脚锚杆→锁脚锚杆→小直径锁脚锚管→大直径锁脚锚管→小孔径预应力锁脚锚索→恒阻锁脚锚索”的总体发展历程和趋势。在支护工艺方面，总结了小直径锁脚锚管(杆)、大直径锁脚锚管和小孔径预应力锁脚锚索的支护参数及钻孔、锚固和连接工艺。在支护作用原理方面，揭示了锁脚锚管(杆)以控制拱脚沉降为主的斜桩作用机理，而锁脚锚索能够锚固于围岩深处，且可施加高预紧力，对初期支护拱脚起到了悬吊和主动约束作用。在力学测试方法方面，研发了锁脚锚管(杆)的模拟加载试验方法和适用于现场测试的光纤光栅测力锁脚锚管。在受力特性方面，探明了锁脚锚管(杆)的受力特点以及对拱脚荷载的分担效应，揭示了锁脚锚管管身应变的分布规律。在设计方法方面，分析认为锁脚锚管(杆、索)增加了对初期支护拱脚的约束(或支承)强度和刚度，提出了锁脚锚管(杆、索)以及钢架喷网锁脚锚管(杆、索)组合结构的支护设计方法。同时，对锁脚锚管(杆、索)支护研究发展趋势、设计与施工技术细则制定以及推广应用等方面进行了展望。

隧道施工过程中，由于地质条件复杂、施工工序多变以及外部环境不确定性较高等原因，坍塌风险始终是制约工程安全、施工进度和人员生命财产安全的重要因素。目前，隧道风险评估主要依赖专家的主观判断，存在响应滞后、效率低下等不足，因而难以及时发现并应对突发情况。为此，构建了基于大语言模型(LLM)的隧道坍塌风险决策智能框架。该框架首先依托iS3隧道智能建造平台，整合地质、施工和变形监测等多源数据，建立了完善的风险感知数据库，为后续风险识别与分析提供了坚实的数据基础。其次，结合提示词工程，利用大语言模型对隧道坍塌可能性指标和事故后果严重程度进行自动化量化评估，实现多维数据的智能融合与解析；同时，借助改进云模型与模糊风险矩阵方法，精确刻画评估过程中的不确定性，并对风险等级进行合理划分，从而为施工现场提供科学的安全防控建议。最后，以晏家寨隧道4个典型施工位置为例，对所构建的智能框架进行了实际应用验证。结果表明:该框架能够准确识别并量化潜在的坍塌风险，并根据现场具体情况实时反馈风险状态，提出针对性防控措施，有效提升了隧道施工风险管理水平。总体而言，所提出的智能化框架不仅突破了传统专家主观判断的局限，更为隧道施工安全管理提供了一种高效、自动化的新型技术手段，同时也为后续在更大范围内推广应用基于大语言模型的风险评估与决策技术提供了理论与实践支撑。

桥梁振动现场实测为结构模态参数识别、行为分析、承载力评估等提供了关键信息。长大桥梁普遍具有跨越范围广、桥址水域辽阔的特点，传统机器视觉测量方法难以实现近距离监测，为此提出了融合无人机贴近摄影和自适应数字图像相关(Digital Image Correlation, DIC)的桥梁振动位移测量方法。首先设计了新颖的远程激光投射装置，通过调节仪器螺旋可将激光点精准投射至监测标靶，以补偿和修正无人机悬停姿态变化。随后，突破了传统机器视觉的架站模式，采用多旋翼无人机悬停状态下贴近摄影模式，近距离采集桥梁监测点标靶的高分辨率高质量序列影像。接着，建立了基于自适应DIC的无人机序列影像处理方法，利用图像局部特征匹配逐帧调整优化测点的子集区域，通过傅里叶变换互相关算法与反向组合高斯牛顿算法进行亚像素位移识别，从而提取无人机测量位移序列和激光校正值序列。最后，通过激光校正值及动态比例因子值来修正无人机测量位移序列，获取高精度的桥梁振动位移及频率。验证试验表明：无人机可准确测量出模型各层的振动位移和频率，与固定相机和激光位移计测量结果吻合，其振动位移归一化均方根误差均不大于3.195%，振动频率相对误差均不大于0.96%。该方法应用于长沙市洪山桥振动测量，成功识别出主桥跨中点、1/4点和3/4点的振动位移和频率，其振动频率的相对误差均不大于0.77%，与固定相机和加速度计的识别结果吻合。提出的无人机高精度、高效率、非接触位移测量方法，为大跨度桥梁振动测量提供了新途径。

为研究600 MPa级不锈钢筋与混凝土的界面黏结性能，开展了18组共54个试件的拉拔试验，并分析混凝土强度、钢筋直径、保护层厚度、相对锚固长度、劈裂面配箍率及钢筋种类对黏结性能的影响。试验结果表明：试件的主要破坏形态包括混凝土劈裂破坏、钢筋拔出破坏和劈裂-拔出破坏。对于相对锚固长度为5的试件，保护层厚度为3倍钢筋直径的试件出现了由混凝土劈裂破坏过渡为钢筋拔出破坏的现象；配置箍筋后，保护层厚度为2倍钢筋直径的试件由混凝土劈裂破坏转变为劈裂-拔出破坏。600 MPa级不锈钢筋与混凝土的界面极限黏结强度随着混凝土强度提高而提高，随着保护层厚度及劈裂面配箍率增大而先提高再趋于平稳，随着相对锚固长度增大而呈现先提高后降低的现象，但受钢筋直径的影响并不显著；影响规律出现转变时的保护层厚度、劈裂面配箍率及相对锚固长度取值分别为4.5倍钢筋直径、2.0%和5。不同强度等级混凝土中，600 MPa级不锈钢筋与普通钢筋屈服前的黏结性能基本相当，弹性模量对钢筋黏结性能的影响完全可以忽略；屈服后不锈钢筋的黏结应力-滑移曲线变化相对平缓,且极限黏结强度略低于普通钢筋。基于600 MPa级不锈钢筋与混凝土界面黏结性能试验结果，拟合得到具有一定保证率的极限黏结强度计算式及黏结应力-滑移本构模型，并提出了采用材料强度设计值表达的钢筋临界锚固长度计算式，可为混凝土中600 MPa级不锈钢筋的黏结锚固设计提供参考。

高速公路隧道出入口因视觉空间与照度剧烈变化，易引发“黑白洞效应”；隧道中部视觉环境单调、参照物少，易导致“时空隧道效应”和“侧墙效应”；隧道群和螺旋隧道则易分别诱发“鞭梢效应”和“心理旋转效应”。这些不良心理效应显著干扰驾驶人感知判断，诱发不良驾驶行为，降低行车安全性。从“隧道视觉环境-不良心理效应-不良驾驶行为-视觉参照系重构思路-优化方法”的逻辑链出发，构建驾驶人不良心理效应解析及调控框架，探讨视觉环境与不良心理效应的关联，提出相应的调控思路，并总结视觉参照系优化及评价方法。结果表明：驾驶人不良心理效应主要源于隧道出入口视觉参照系剧烈变化以及中部弱视觉参照系缺少变化；普通隧道应从基本型视觉参照系提升为安全型或舒适型，特长隧道和隧道群连接段应提升为韵律型视觉参照系，螺旋隧道(群)则需构建恒常稳定、连续一致且信息冗余的视觉参照系。调控思路包括明确空间路权、符合驾驶人因、分解驾驶任务、提升舒适性和韵律性，并引入线性诱导系统和弯道恒常型诱导系统的设计思路；遮光设施、照明设施、视线诱导设施、景观绿化、洞内装饰和路面铺装等措施可有效优化视觉环境，但相关设计参数尚待系统研究。目前视觉参照系评价缺乏统一的指标体系和方法，应结合光学参数指标和视觉感知、视觉特性、生理特性及驾驶行为的人因指标；未来应结合工程实例，完善评价体系和优化方案，为实现隧道安全、节能、舒适和美观的视觉环境提供支撑。

为确保复杂线形组合路段车辆行驶安全，针对当前公路线形信息量化表达不足，以及路段几何线形与驾驶人视觉线形对小客车行驶速度耦合影响考虑不充分的问题，提出基于数据驱动的高速公路小客车行驶速度分布预测模型。基于八自由度驾驶模拟器和高精度眼动仪开展试验，采集38名驾驶人在106个山区高速公路典型路段的小客车行驶速度和视觉感知数据。从“路段-视野”双重视角出发提取路段几何线形特征，采用变分自编码器进行驾驶人视觉线形重构，提出“路段-视野”图结构以融合和量化不同视角的线形信息，基于时空图注意力神经网络构建小客车行驶速度分布预测模型。结果表明：模型预测性能优异，行驶速度均值和标准差的预测准确度分别达到96.3%和98.1%，均方根误差分别为4.6、1.2 km·h^-1，平均绝对误差分别为3.8、0.8 km·h^-1。此外，消融试验和对比试验结果进一步验证了模型在不同典型路段的有效性和实用性。通过自注意力机制发现，路段几何线形对小客车行驶速度分布在时间上具有持续的引导作用，而驾驶人视觉线形在空间上对其进行动态调节和反馈。研究结果可为智能化的公路安全性评价和几何设计方法提供理论基础，并有助于精细化的智能交通系统速度管理。

随着车联网（V2V）和车路协同（V2I）技术的快速发展，网联自动驾驶车辆（CAV）逐渐成为研究的焦点。然而，在可预见的未来，CAV的全面普及仍然需要时间，因此CAV与人工驾驶车辆（HDV）共存的混行流将是一种长期的过渡状态。当CAV跟随HDV时，由于缺乏车间通信和协同控制，其性能可能会有所下降。为缓解性能下降对混行流的不利影响，CAV可通过鸣笛、光信号、抬头显示（H UD）等协作提示方式，增强HDV驾驶人对其加减速行为的感知，从而提升协作效率。为研究CAV性能衰退及协作提示行为对混行交通流稳定性和道路通行能力的影响，通过修正不同的跟驰模型，量化了考虑协作提示作用的HDV、性能良好的CAV以及性能衰退的CAV的微观跟驰行为。随后，建立混行交通流的稳定性分析方法并得出CAV渗透率相关的混行交通流稳定性条件。此外，推导与CAV渗透率相关的混行交通流基本图模型，并分析影响基本图的关键因素。通过数值仿真验证稳定性分析和基本图构建的合理性。研究结果表明：当CAV渗透率低于40%时，其性能优势难以显现；当渗透率达到60%以上时，CAV的协作优势才显著增强。此外，CAV的协作提示行为有效改善了其与HDV的协作能力，缓解了因缺乏车间通信导致的性能大幅下降问题，显著提升了混行交通流的稳定性和道路通行能力。因此，在推动CAV技术发展的同时，还应注重设计有效的提示信息，促进其与HDV的协作，从而提升CAV在低渗透率下的表现。

智能网联技术是未来智能交通系统的发展趋势，然而智能网联车辆（Connected and Automated Vehicle，CAV）与人工驾驶车辆（Human-Driven Vehicle，HDV）共同构成的新型混合交通流将长期存在。如何充分利用CAV的网联及可管控特性，实现交通运行优化和道路资源利用效率提升，是新型混合交通流亟待解决的重要问题。现有混合交通流专用车道管控研究侧重于不同交通需求和CAV渗透率下的路权分配，并未充分考虑CAV与交通管控系统的双向交互特性。针对上述不足，提出了“粒流协同专用车道”概念，简称粒流协同道。粒流协同道管控方法包括管控区域设置、车道设置以及粒流协同策略三部分。粒流协同策略的管控对象是CAV车流和CAV个体，旨在通过集中或分布式CAV管控实现道路管理优化。针对高速公路常规场景，设置单一管控区及粒流协同道，通过3组分布式CAV粒控策略，从CAV无协同换道、协同换道、专用道调速、全车道调速等4个方面实现了不同程度的管控，提升了车辆聚集性，仿真结果表明通行能力最高可提升17.0%。针对高速公路事故场景，设置调整、换道和恢复3个管控区，规定了各区粒流协同道的路权，通过分布式CAV流控的车头时距调整策略、集中式CAV粒控的车流均衡策略以及分布式CAV粒控的车道恢复策略实现了车道临时封闭情况下的交通协同管控，仿真结果表明通行能力最高可提升18.1%，车辆平均延误时间最高可减少336s。研究结果表明：粒流协同道管控方法通过增强CAV车流与混合车流的物理耦合度，并借助针对不同交通场景的协同策略，能显著提升道路通行能力，同时有效优化交通运行状况。

为了提高高速公路瓶颈区车辆通行效率与安全性能，面向小汽车与货车混行（简称客货混行）、智能网联车辆（Connected and Automated Vehicle，CAV）与人工驾驶车辆（H uman-driven Vehicle，HDV）混行场景，提出一种基于客货CAV移动屏障的两阶段动态限速控制方法。首先，构建一种适用于多车道，包含CAV换道控制和CAV动态速度控制的两阶段动态限速控制框架，通过优化客货CAV在瓶颈区上游的分布和速度，形成对整体车流具有调控作用的移动屏障。其次，考虑小汽车与货车的异质性，建立CAV动态速度控制模型，实现对客货CAV控制速度的精准求解。同时，基于客货差异改进均匀分布系数P，在是否给予CAV货车换道限制的条件下，以P为优化目标，采用枚举法、模拟退火算法、遗传算法、强化学习4种算法求解客货CAV的最优换道方案。最后，通过对单向两车道和单向四车道高速公路的SUMO仿真试验，讨论了所提方法的控制效果并验证其有效性。结果表明：所提CAV换道控制策略可显著提升客货CAV在交通流中的分布均匀性，其中货车换道限制对均匀分布效果具显著影响，当CAV货车占CAV车辆比例高于50%时，不限制货车换道控制策略效果优于限制换道。通过与换道控制策略的结合，两阶段动态限速控制方法能显著降低事故风险、提升交通流稳定性，随着CAV货车占比的上升，尽管货车因其特性会对交通流产生一定的扰动，但控制效果普遍能够得到进一步的提升。研究成果可为提升智能网联环境下的高速公路瓶颈区主动交通管控效果提供有效理论支撑。

智能网联汽车（Intelligent Connected Vehicles，ICV）与人工驾驶车辆（Human-drive Vehicle，HDV）组成的智能网联混合交通流将长期存在，将深刻影响高速公路入口匝道车辆的合流行为。为解决现有高密度混合交通流下因车辆汇入控制汇入序列和车辆轨迹交互关系、HDV动态性考虑不足导致通行效率低和能源消耗高等问题，提出一种高速公路车辆动态协同汇入控制策略。首先，根据控制区车辆状态确定匝道车辆的可能汇入间隙；然后，考虑合流序列选择和车辆轨迹规划交互关系，以能耗最小为目标进行合流序列及车辆轨迹的协同优化，对匝道车辆及预期汇入间隙前后车辆进行提前换道和主动车速调节；最后，考虑HDV动态性，设计车辆汇入动态调控策略对合并区车辆进行动态调控，确保中高密度下匝道车辆能汇入主线。利用SUMO和Python仿真试验，对比无控制情况和基于PID的控制策略验证提出的动态协同汇入控制策略，并对有无换道策略进行敏感度分析。试验结果表明：①在匝道车流量较大时，相较于无控制情况，所提出的策略使得车辆总体碰撞指标降低了38.84%～94.25%，总延误降低了13.45%～80.82%，平均速度提高了36.01%～52.87%；②相较于基于PID的优化控制策略，所提出的策略使得车辆总体碰撞指标降低了17.32%～81.38%，总延误降低了2.01%～66.95%，平均速度提高了0.93%～6.87%，总能源消耗量降低了1.75%～8.17%，车辆轨迹较平滑且车速分布较均匀，且极少发生车辆停车；③在设定的各种交通状态下，提前换道策略虽然会造成能耗的提高，但是在行车安全和通行效率方面都要更优。

山地城市受地形条件限制，干线多车道汇入区在几何结构、交通流向和冲突关系等方面均表现出高度复杂性，尤其在高交通流量情况下，多股车流的汇入易导致频繁的车辆行为冲突。为解决现有管控措施存在的控制措施孤立、控制目标单一等问题，提出一种基于网联自动驾驶车辆的多车道汇入协同管控方法。首先，构建了智能网联环境下的多车道汇入协同管控总体架构，设计信号控制智能体与可变限速控制智能体；然后，结合山地城市多车道汇入区的交通流特征，分别设计智能体的状态空间、动作空间和奖励机制；最后，基于多智能体深度确定策略梯度算法实现智能体协同控制。以重庆市某立交为案例，根据在高、中交通流量条件下的10组仿真试验，评估不同管控方案的控制效果。结果表明：在网联自动驾驶车辆渗透率较低且交通流量较大条件下，与固定配时方案相比，所提方法可使主线车辆平均行程时间减少37.02%，平均车辆延误减少69.57%；与传统反馈式协同控制方法相比，上游排队长度减少88.06%，瓶颈区车辆平均速度提升8.77%，主线下游疏散流量增加3.47%。研究成果可有效缓解山地城市多车道汇入区域的交通冲突与拥堵问题，为山地城市多车道汇入区交通拥堵治理提供理论支持。

分析交通相变特征和规律是实现交通流状态估计与速度预测的关键。由于交通流兼具周期性与偶然性的复杂时变特征，数理统计与机器学习方法缺乏对交通流状态演化机理的解析，存在模型可解释性随场景变化而降低的问题。为降低场景迁移对预测效果的负面影响，并解决应用环境受限的问题，对交通流相变机理进行解析，提出了一种考虑相变滞后效应的交通状态估计与速度预测方法。首先通过分析快速路出口匝道的交通流状态变化过程，发现微观车辆间运动差异的时空传递是导致宏观交通相变的原因。将这一现象定义为交通紊乱，类比Ising模型对其进行定量表达。随后计算交通相变前后紊乱的时空分布，揭示了交通相变规律，即交通流状态相对紊乱变化具有时间滞后性。在此基础上建立交通流速度关于紊乱的自回归分布滞后模型，将网联车路设备采集的车辆实时速度与位移作为输入，得到交通流速度的预测值时间序列。不同模型对照试验与参数分析结果表明：①与径向基函数神经网络和长短期记忆神经网络相比，所提出的滞后模型具有更高的预测精度；②在混合交通流中，智能网联车辆渗透率越高，则模型预测精度越高。此外，所提方法适用于不同网联等级的交通场景，有利于及时采取交通管控措施，从远景上提升交通系统的运行效率和安全性。

周边车辆切入是造成当前自动驾驶车辆事故的高发场景之一，原因在于切入场景风险致因机理尚不清晰，精准评估模型尚未建立。基于真实道路实车自然驾驶数据提取3万例切入车辆轨迹与视频片段，通过碰撞时间等客观风险指标筛选出489例不同风险等级的切入片段；随后，设计了考虑自动驾驶车辆特性的切入场景风险主观评价问卷，招募自动驾驶开发与测试工程师开展主观风险评价与访谈研究，获取了自动驾驶车辆视角下各切入片段主观风险等级及风险因素，构建了面向自动驾驶车辆且涵盖24个动静态因素的切入场景风险数据集；最后，构建了基于随机参数有序Logit的切入场景风险量化评估模型。研究结果表明：①路口、车道线变化等道路因素分别导致切入场景危险概率增大0.3%、17.9%；②夜间、阴雨等气象因素分别导致切入场景危险概率增大19.4%、23.3%；③切入车辆为异形车辆、周边存在非机动车、行人等交通参与者因素分别导致场景危险概率增加10.6%、17.9%、32.8%，周边车辆数量每增加1个单位场景危险概率增加0.6%；④在车辆运动特征因素中，切入初始时刻两车间距、相对速度每增加1个单位危险概率分别降低0.3%、1.04%，初始时刻横向车距、切入过程切入车减速量每增加1个单位危险概率增加0.5%、0.6%。可见弱势群体目标物、异形切入车辆、低能见度、车道线变化以及压线遮挡是当前自动驾驶在切入场景下的高风险要素，需重点优化相应感知决策算法。

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。