近年来，中国公路建设成果斐然，路网规模快速增长、关键技术不断突破。为进一步提升中国路面工程学科水平及国际影响力，推动路面工程可持续、高质量发展，从公路韧性评估与恢复、长寿命路面结构与材料、公路交通能源自洽、低环境影响公路技术、路面材料基因与高通量、公路数字化及智能化、公路智能检测与高性能养护等七大研究方向，系统梳理了近年来国内外路面工程的发展现状、前沿热点问题与未来发展趋势。具体围绕公路绿色化、韧性化、智能化、长寿命与交能结合等领域，遴选了20个热点研究方向，涵盖公路致灾因素及失效机理、公路韧性评估与恢复、公路韧性提升关键技术、公路长寿命路面结构足尺试验、公路结构与功能寿命增强技术、公路清洁能源采集技术、公路能源自洽设计、公路路域环境影响测试与评估方法、低环境影响路面新材料、沥青路面温拌再生技术、路面材料基因研究、路面材料跨尺度计算、路面材料基因与高通量研究、公路数字化建模技术、公路数字孪生仿真技术、公路运维数据驱动技术、公路探地雷达检测技术、路面性能轻量化检测、公路沥青路面抗滑性能检测及恢复技术、公路高性能预防养护技术等主要内容。该综述可为中国路面工程学科发展提供指引和参考，为路面工程领域研究人员与技术人员提供参考和借鉴。

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。

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。

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。

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。

为了探究地震和降雨耦合作用下路堤边坡稳定性演化以及变形破坏特性，基于离心模型试验和有限元数值模拟方法，针对降雨、地震后降雨、考虑初始降雨的地震后降雨等不同工况下边坡渗流、变形及失稳破坏过程进行了研究，并将试验结果与模拟结果进行对比，分析了地震动力荷载作用对路堤边坡变形的影响以及地震后降雨过程中路堤边坡孔压发展特点、变形演化规律与失稳破坏特征。研究结果表明：地震导致路堤边坡土体不连续变形以及表面张拉裂缝产生，滑移面上土体变形在下部最为明显和集中，且随着土体高度的增大而逐渐减小；与均质路堤边坡相比，含地震裂缝的路堤边坡在地震后降雨下，坡内孔压的发展更为迅速、增幅更大，且土体变形受地震裂缝的影响较大，主要沿着坡肩附近裂缝发展，而均质路堤边坡在降雨中的变形延伸至距离坡肩较远位置；前期降雨增湿作用造成路堤边坡土体饱和度增大和有效应力降低，地震作用下边坡变形明显，地震后降雨导致路堤边坡失稳启动时间提前且变形破坏更为迅速。

路基湿度状态是影响道路工程全寿命周期服役性能的关键因素之一。准确测量路基湿度、揭示路基湿度演化规律、提出合理的路基湿度调控技术一直是道路工程的重点问题。近年来，随着科学技术的不断发展，在路基湿度调控的相关研究中涌现出了大量新理论、新方法和新技术。聚焦路基湿度测量方法、演化规律以及调控技术3个方面，系统阐述了国内外有关路基湿度的研究现状。综合分析表明，在路基湿度测量方法上，传统破坏性路基湿度测量方法逐渐被低扰动和非扰动测量方法替代，时域反射技术(TDR)、频域反射技术(FDR)和探地雷达技术(GPR)等新技术为路基湿度测量提供了新方法，但在原位、无损、精准和快速测量方面仍有提升空间。在路基湿度演化规律研究上，理论计算、数值分析和缩尺模型试验是揭示路基湿度演化规律的主要研究手段，并从水-力-热多因素耦合下的非饱和土渗流、多孔介质的流动传热、缩尺模型的搭建等方面对路基湿度演化规律进行了研究与分析。然而路基湿度演化受复杂环境的直接影响，具有明显的时空效应，目前的研究成果尚不足以全面、精确地反映路基湿度演化规律。在路基湿度调控技术上，传统的路基内外部排水系统和以粒料隔离层为代表的路基结构在路基湿度调控方面具有显著效果，但由于无法阻隔路基内部的水汽迁移，其调控效果随着服役时间的增加逐渐减弱。以高性能吸疏水材料为代表的新型调控技术可实现路基湿度的主动调控，但尚未实现路基湿度的精细化、智能化调控，未来可向低成本、高效率和高实用性的路基湿度调控技术方向发展。

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。

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。

数字孪生的概念和技术的兴起为建立物理和虚拟空间融合交互的道路交通系统提供了关键的理论框架和技术指引，因此受到国内外学术界、工业界和政府部门的广泛关注。然而，在研究和应用过程中，道路交通系统数字孪生存在以下突出问题：①概念有待明晰；②孪生对象有待明确；③能力成熟度分级有待制定；④支撑数字孪生的新交通技术研究有待加强。为此，首先系统梳理并界定道路交通系统数字孪生的对象和概念，进一步提出道路交通系统数字孪生“可视-可诊-可管-可优”四级成熟度VDMO模型。以典型应用场景为切入点，系统分析了四级成熟度模型对应的研究进展、科学问题和关键技术。最后，从可持续发展和工程实践应用的视角，总结了道路交通系统数字孪生未来应用挑战和展望。该综述可为道路交通系统数字孪生的技术研究，工程实践及其可持续发展提供重要参考。

近年来，桥梁船撞事故频发，船撞已成为桥梁失效的主要原因之一。为推动桥梁防撞设计方法的发展与桥梁防撞技术的进步，对近20年的桥梁船撞研究展开综述，评述重点涵盖风险评估、响应分析与防护措施3个方面。首先，从实际的桥梁抗撞需求出发，搜集了中国2012～2022年桥梁船撞事故，总结出近年桥梁船撞事故所呈现出的4个新特征，弥补了这一时段中国船撞事故信息的缺失。然后，从研究方法的角度切入，介绍了桥梁船撞风险评估方法与响应计算方法，总结了试验法、接触有限元分析法、等效静力法和等效动力法这4种碰撞响应计算方法的发展动机、特点、应用场景及局限性。防护措施方面，着重梳理了浮式拦截系统与自浮式防撞装置这2种被动防撞措施的发展历程与构造特点，以及主动预警防护措施研究中所涉及的算法实现与更迭。最后，指出了当前桥梁船撞研究在考虑全要素分析、多灾害耦合、规范化设计等方面所面临的诸多挑战，并对桥梁船撞研究未来发展的主要方向做出展望。

近年来，随着人口老龄化的加剧以及隧道建造环境越来越恶劣，机器代人成为了当前隧道建设发展的必然趋势。作为当前隧道工程的两大主流施工工法之一，钻爆法相较掘进机法能够适应各种隧道断面形式和地质条件，灵活性和适应性更强，应用更加广泛；同时，得益于大数据、物联网、5G通讯、人工智能等技术的快速发展和深度融合，钻爆法隧道智能建造技术已经得到了迅速的发展，在隧道围岩智能评价与爆破设计、智能施工装备、智能化建造管控平台以及辅助工序装备上均有了一定的积累和突破。由此，在信息技术、隧道建造技术和智能装备进一步融合的基础上，已初步形成了隧道建设新模式——钻爆法隧道智能建造。首先，系统阐述了钻爆法隧道的发展历程，详细介绍了当前钻爆法隧道智能建造体系；其次，介绍了围岩智能评价与智能化爆破设计的相关进展；随后，介绍了智能凿岩台车、智能锚注台车、智能拱架台车、智能湿喷台车及智能衬砌台车的发展历程和智能化提升过程，同时，对当前隧道智能化管控平台技术体系和应用情况进行了说明；之后，在前期的科研成果基础上，针对隧道施工辅助工序中遇到的问题，研发了隧道掌子面勘察测量机器人和掌子面围岩坍塌预警机器人，部分成果已经在现场推广应用。最后，针对智能化机器人在长、大、深埋隧道中自主行进、自主控制和自主作业的难题，提出了探索思路，以期为中国隧道智能化建造技术发展和灾害主动防控提供参考。

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。

毫米波雷达是当前智慧公路中路侧感知系统的重要组成部分，在交通流运行态势感知与智能管控、车路协同与自动驾驶中广泛应用。然而，车辆与毫米波雷达之间的相对位置、相对姿态的变化会对雷达信号回波及点云分布产生影响，导致雷达对车辆的感知结果出现偏差，进而影响交通系统的管控决策。分析毫米波雷达感知精度的空间特征，对于指导毫米波雷达在智慧公路中的应用至关重要。为此，基于毫米波雷达的感知原理，综合考虑毫米波雷达信号处理与点云数据处理2个阶段中的感知误差来源，通过数值仿真与实测试验相结合的方式对目标在不同位置与姿态下毫米波雷达的感知精度特征进行分析与验证。研究表明：雷达纵向感知精度主要受到与车辆相对位置的影响，当车辆与雷达纵向距离小于30 m或大于200 m时，车辆位置感知结果会向车头或车尾方向显著偏移，相应产生的纵向感知误差通常超过0.5 m；雷达横向感知精度主要受到车辆横向位置及相对姿态的影响，当车辆横向位置偏离雷达中心光束超过5 m或车辆行驶的航向角超过40°时，车辆位置感知结果会向车身侧向偏移，相应产生的横向感知误差通常超过0.5 m。得到的影响因素分析结果，可进一步为智慧公路场景中毫米波雷达感知数据的应用与感知设备的部署提供建议。

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。

为了实现悬索桥主缆的自动化、智能化检查,开展了基于无人机的主缆巡检路径规划和小样本数据下的主缆病害识别研究。首先,利用无人机倾斜摄影测量技术快速建立悬索桥的三维模型,提出主缆无人机自动巡检路径的规划方法；然后,采用Faster RCNN网络模型识别主缆图像中的表观病害；最后,采用基于图像融合的数据增强方法,提高小样本数据集下目标检测的准确率。在Faster RCNN网络模型训练过程中,随着训练轮次的增加,测试集中裂纹、锈蚀和划痕3类病害的平均精确率得到提升,并在第15个训练轮次后逐渐稳定,在经过100个训练轮次后,测试集中所有类别的平均精确率为0.723。以小龙湾桥为研究对象,进行了主缆的现场检查试验。研究结果表明：基于悬索桥三维模型进行主缆无人机自动巡检路径规划具有实际可行性；基于Faster RCNN网络模型能较准确地识别主缆的裂纹、锈蚀和划痕病害；利用图像融合方法生成病害数据能有效克服数据样本少的问题,并提高识别的准确性。

试验场测试规范制定的合理性直接影响汽车耐久性测试结果的可信度。针对目前“用户-试验场”损伤关联模型求解时未考虑关联信号匹配优先级而与实际情况不符的问题，提出一种基于关联通道权重分析的模型优化求解方法。根据整车关联需求和信号类型划分系列子目标，利用准则间相关性方法分析子目标函数的权重，采用折衷规划方法融合权重系数构造综合目标函数，最后使用遗传算法进行求解。基于该方法，以某轻型商用车为应用对象进行关联分析验证。划分轮心垂向力、纵/侧向力、悬架位移、力和应变信号等5类子目标，计算并依次赋予权重0.255、0.230、0.153、0.203和0.159，然后结合权重构造了新的综合目标函数，求解获得一组试验场强化工况循环，并与基于多目标直接求解的结果进行比较。研究结果表明：基于权重分析的优化求解方法计算所得重点关联通道-轮心垂向力通道的相对损伤比可匹配至0.8~1.1，其余通道基本保持在0.5~2之间，而基于直接求解法的关联通道相对损伤比在0.4~2.5之间。表明所提方法能有效反映各关联子目标间相对重要程度，使整车各部位的损伤复现更符合实际应用中关联匹配要求；载荷分布和试验里程表明，求解的测试规范满足实际工程上强化加速试验理论要求。研究结果可为整车试验场耐久性测试提供有效参考。

伴随着事故型爆炸、恐怖袭击和精确制导武器打击等威胁的增强，桥梁结构抗爆安全防护问题越来越受到人们的关注，而目前桥梁结构设计中还没有特别考虑抗爆及其安全防护问题。从爆炸荷载模型、桥面板和主梁抗爆与防护、墩柱及缆索抗爆与防护、桥梁水下抗爆、整桥结构抗爆与防护、桥梁爆炸易损性分析和韧性评估等8个方面较为详细地梳理了国内外研究现状以及取得的主要成果，归纳了各自存在的主要问题，并对未来主要研究方向进行了展望，以期对桥梁结构抗爆安全防护研究提供新的视角和一定的借鉴。

电动汽车充电站规划对设施建设成本、后期盈利以及用户满意度具有重要影响。提出一个多等级充电站双目标优化选址模型，包含2个不可相互转换的优化目标——最小化充电站建设总成本和车辆行驶成本，考虑不同等级充电站的建设成本和服务能力。首先，通过分析已有车辆运行轨迹大数据，提出车辆停驻状态分析方法，基于改进K-means聚类算法获取电动汽车的潜在充电需求，进行充电站初次选址；然后，构建电动汽车多等级充电站选址模型，分析充电需求，并基于禁忌搜索(Tabu Search, TS)算法进行求解和充电站二次选址；最后，基于排队论建立充电设备定容优化模型，并利用成都市电动出租车GPS轨迹大数据进行实证分析，分别基于K-means聚类和多等级选址模型2种方案对充电站进行选址，从服务能力及经济性方便性等方面对比选址结果。研究结果表明：2种选址方案均具有较好可行性，基于多等级选址模型方案的2.5 km服务半径覆盖率为91.2%，虽较K-means聚类选址方案的93.6%略差，但均超过90%覆盖率。经济效益方面，基于多等级选址模型方案明显优于K-means聚类选址；该方案在建设成本降低了11.7%的前提下，总盈利提高14.4%，利润率提升23.4%；表明提出的电动汽车充电设施选址定容方法可有效降低充电设施建设成本，提升设施盈利水平以及用户充电体验，进而获得良好的社会效益。

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。

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。

针对高速公路网中电动汽车充电基础设施选址优化问题，从由充电节点间子路径构成的元网络出发，构建了一个两阶段混合整数线性规划模型，并相应地设计了一种两阶段优化算法。第1阶段，在原始节点-路段网络中找到每对充电节点间的距离约束最小成本子路径，通过双目标标号修正算法来求解，其结果用以构建充电节点-子路径元网络；第2阶段，在元网络中应用分支定界算法，其核心计算步骤是找到每个起讫对之间的最小成本路径，可通过经典的单目标标号设定算法求解；最后将提出的基于元网络的分支定界算法应用于长江三角洲高速公路网。结果表明：充电站建设成本限制和电动汽车续航里程限制是决定充电站选址决策和出行者路径-充电决策的重要因素；其与传统基于原始网络的分支定界算法在3种不同规模网络算例中的应用性能比较表明，对于求解较大规模的基础设施选址优化问题，基于元网络的分支定界算法表现出压倒性的计算效率优势。

现有基于语义分割的混凝土桥梁表观病害识别方法具有模型参数量较大、特征提取不充分、分割精度不高等缺点。针对上述问题，提出基于改进Segformer的混凝土桥梁表观病害轻量级识别方法——Segformer-SP，该方法选取MiT B0作为编码器，并引入语义融合模块(Semantic Fusion Module， SFM)和极化自注意力机制(Polarized Self-Attention， PSA)。在Segformer-SP中，SFM模块对低级特征和高级特征进行融合，以提高低级特征的语义信息量；同时，PSA自注意力机制模块可以在分割过程中捕捉全局上下文信息，解决病害特征不够充分的问题，从而进一步提高分割效果。试验结果表明:Segformer-SP的平均交并比(mIoU)和平均F1分数(mF1)相较于Segformer-B0分别提高了2.41%和1.91%;此外，Segformer-SP的mIoU和mF1均优于大部分主流语义分割算法;Segformer-SP的参数量仅为6.09×10⁶，FPS为56.54，更适合应用于终端检测设备。

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。

材料信息学是推进材料基因组计划的理论核心，为组成多相、结构随机、行为复杂、具有显著多尺度特征的沥青混合料性能提升与新材料研发提供了重要手段。为推动材料信息学在沥青混合料相关研究中的应用，综述了材料信息学理论在沥青及沥青混合料性能预测与耐久性提升方面的应用研究。首先，总结了材料基因组及材料信息学理论基本内涵及其在沥青路面材料领域的应用；然后，介绍了常见的材料数据标准，总结了沥青及沥青混合料材料多尺度特征与材料特征基因数据库发展；进而，介绍了基于化学组分、胶体结构基因特性的沥青性能预测及改性沥青组成优化研究，总结了数据挖掘及机器学习算法在沥青混合料力学及路用性能预测方面的应用，主要包括混合料设计指标、动态模量、高温抗车辙能力、抗疲劳性能、低温抗裂性及水稳定性预测模型，分析了基于性能预测及智能寻优方法的沥青混合料组成结构优化，从而实现混合料路用性能的定向提升；最后，讨论了沥青混合料材料信息学应用架构，分析了沥青混合料材料基因特性体系与基于机器学习的混合料性能预测研究可能面临的挑战，展望了未来沥青混合料材料信息学研究可能需要解决的问题。该综述对沥青路面材料耐久性提升具有推动作用。

拥堵、事故、排放与能耗等“交通病”日趋凸显，提升城市交通治理能力及现代化水平是防治交通病的重要策略。城市道路交通体检(Urban Road Traffic Examination, URTE)旨在城市体检的基础上聚焦城市道路交通，定期监测城市道路交通健康状态，以及时、精准地发现交通病并诊断致因，是交通治理的关键基础和有效环节。数字化、信息化与智能化的快速发展推动着交通体检数据获取和分析技术的变革，城市道路交通体检已成研究热点，但尚处起步阶段。通过梳理和分析城市交通体检的内涵、外延及理论基础，提出城市道路交通体检概念及体系架构，包括研究体系和应用体系。针对研究体系，特别综述了城市道路交通体检相关的基础理论和关键技术。首先总结了相关数据的基本特征及应用价值，归纳了基于模型和数据驱动的交通状态参数计算方法；随后，进一步梳理了全息城市道路交通特征、交通病识别和特征分析及体检指标构建方法；最后，从交通规划、设计、管理和控制层面，依次分析城市道路交通病(问题)致因。综述研究表明：虽然城市道路交通体检研究已初具基础，但关于交通体检指标体系及方法体系构建、交通健康状况诊断和交通病致因解析等关键问题仍是亟待解决的难题；因此，展望并针对性地提出了未来的研究方向，为城市道路交通体检研究提供参考。

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。

在自动驾驶车辆与人工驾驶车辆混行的复杂交通环境中，如何减小驾驶行为截然不同的2类车辆间的复杂相互作用对于车辆行驶安全性、乘坐舒适性和交通通行效率的影响，是当前自动驾驶决策与控制领域亟待解决的关键问题。提出了一个人机混驾环境下人工驾驶车辆与自动驾驶车辆之间的非合作博弈交互框架。首先，综合考虑车辆加速度线性递减的驾驶人纵向操纵特性、差异化配合程度和不同的延迟响应特性，建立人工驾驶车辆的纵向博弈策略。其次，考虑自动驾驶车辆与周围车辆的安全性约束，以及自动驾驶车辆在换道过程中的舒适性和通行效率目标，设计了自动驾驶车辆的纵向博弈策略。然后，基于主从博弈理论对不同混驾环境下人工驾驶车辆与自动驾驶车辆的博弈交互问题进行求解，得到最优的换道间隙和自动驾驶车辆的纵向速度轨迹，并采用模型预测控制方法规划出自动驾驶车辆的横向安全换道轨迹。最后，根据人工驾驶车辆不同配合度和延迟响应时间的差异，设计了多组人机混驾试验工况进行验证。试验结果表明：自动驾驶车辆能够快速准确识别人工驾驶车辆的配合度，选择出最优的目标换道间隙，并与间隙周围的自动驾驶车辆协作来汇入目标间隙。在换道过程中，自动驾驶车辆始终与周围车辆保持安全距离，并且在车速为20 m·s^-1的情况下，换道车辆的纵横向加速度均不超过1.25 m·s^-2，安全性和舒适性都得到了保障，验证了该非合作博弈交互框架的有效性。

如何评价自动驾驶安全性测试的全面性已成为亟待解决的问题。为此，面向逻辑场景评价提出全面性、准确性、可见性的评价目标。进而，提出面向逻辑场景危险域模态、分布和占比的危险域识别方法，基于离散的具体场景测试结果，在逻辑场景层级全面评估被测系统的安全性。首先，基于Mean Shift算法对具体危险场景聚类实现危险域分区，以发现不同危险场景类别；其次，采用基于特征选择记忆化的决策树算法划分各危险模态的区域边界；最后，解析划分路径以自动化计算危险域占比。为验证所提出的危险域识别方法，将其与基线方法在多模态测试函数上进行对比，发现所提方法在危险域模态、分布和占比方面的计算准确度均优于基线方法。进一步在测试函数和切入逻辑场景中开展应用试验。在测试函数上，基于不同的优化算法进行危险域识别，验证了危险域识别方法的通用性，并基于识别结果对比了不同优化方法的搜索效率。在切入场景上，应用所提方法识别得到切入场景中占比为44%的3个危险域模态及相应的空间分布；并在分析其中2类典型危险场景的基础上，对被测系统提出4项改进要求。研究结果表明：所提出的危险域识别方法可以有效识别自动驾驶逻辑场景中的危险域，在逻辑场景层级全面且准确地评估被测系统安全性。

自动驾驶技术在混合交通环境中仍面临诸多安全挑战，交叉口是自动驾驶车辆事故的高发地，为了解决交叉口自动驾驶车辆事故前场景生成和事故致因分析问题，构建了“道路-交通参与者-关键事件-事故前运动状态”的事故前场景方法。基于加州470份自动驾驶车辆事故报告，生成了交叉口31类自动驾驶车辆事故前场景，基于统计方法确定了自动驾驶车辆与传统车辆事故前场景的显著差异。提出了基于系统控制结构的事故致因方法，解析了自动驾驶车辆事故与道路、交通情况、环境、自动驾驶系统、驾驶人(测试员)、车辆的交互关系，分别识别了追尾和换道场景的九类事故致因类型和致因链。研究结果表明：自动驾驶车辆被传统车辆追尾的比例是传统车辆追尾的4.03倍。追尾事故的主要原因是传统车辆跟车过近、自动驾驶系统减速停止或启动决策不充分；换道事故的主要原因是传统车辆危险换道或超车、自动驾驶系统对他车换道意图识别和减速避撞决策不充分。该研究推动了基于场景的事故致因方法的应用，研究结果可以指导自动驾驶测试场景的构建，并为自动驾驶系统开发优化和交叉口安全改善提供参考。

分布式电驱动汽车能够通过原地转向功能提高车辆的机动性。原地转向下车辆的4个车轮均处于滑移状态，极易发生车身偏移甚至失控。为了实现稳定精准的原地转向控制，分析了原地转向的动力学机理，并提出横摆角速度与滑转率协同的控制策略。基于纵向动力学设计路面附着估计算法，完成原地转向前的路面状况判断；采用了分层式控制架构，上层控制器基于车辆状态协调转矩控制策略，下层控制设计横摆角速度决策框架，根据油门开度计算原地转向的名义横摆角速度，基于二次性能指标的单神经元自适应PID控制算法计算四轮驱动转矩，以实现横摆角速度的跟踪控制，并引入模糊逻辑推理得到四轮期望滑转率，通过PID算法计算驱动转矩调节量，配合横摆角速度转矩控制以抑制转向中心的偏移。仿真测试和实车试验表明：在附着系数一定的情况下，稳态原地转向的轮胎视为刚体，侧偏角与地面侧向反作用力基本不变，试验结果符合所推断的原地转向动力学机理；并验证横摆角速度跟踪控制算法在不同附着系数下具有理想的跟踪效果和鲁棒性，响应速度相比于PID提高46%，最大超调量减小24.0%，平均调节时间缩短1.3 s，平均稳态误差均在0.01 (°)·s^-1；横摆角速度与滑转率协同控制减小横、纵坐标偏移量2.94、1.69 m，对转向中心偏移起到了抑制作用。

水下桩墩作为桥梁结构的重要组成部分，由于其所处复杂的水文环境，通常会在其表面产生各种表观病害。现有的光学检测方法存在2个方面的问题：①水下图像模糊不清，色彩严重失真；②无法定量化识别病害尺寸大小，且检测效率低。针对这些问题，提出了图像融合增强算法与深度学习模型相结合的水下桩墩表观病害轮廓提取方法。首先，提出了一种基于点锐度权重的图像像素级融合算法，不仅能够融合2种单一增强图像，而且在保证有效色彩校正的同时还能显著提高图像的对比度。其次，对DeepLabv3+语义分割网络模型进行轻量化改进，使其保证精度的情况下，尽可能降低模型所需的权重参数量；随后采用陆上建筑结构中的表观病害公开数据集训练主干特征提取网络层，并采用迁移学习方法将其运用到目标域的检测任务中。最后，利用水下试验与实际工程采集到的图像数据集对轻量化改进模型进行训练，建立起水下桩墩表观病害轮廓提取模型，然后对其进行验证与测试，并从3个方面进行了比较与讨论，即与其他5种常用算法的比较、图像融合前后的检测结果以及噪声影响，验证了所提出改进方法的鲁棒性和有效性。结果表明:提出的图像融合增强算法可以有效地增强病害图像轮廓的细节特征，且所提的轻量化改进模型不仅具有最高的识别精度，还能够保持较高的检测效率与鲁棒性，适合植入小型水下机器人中用于实际桥梁结构的水下桩墩表观病害轮廓的实时化、定量化检测。

基于计算机视觉的螺栓松动检测方法中，一类是通过对连接节点图像进行透视矫正并分析螺栓轮廓边缘直线角度的变化以及时发现微小的松动缺陷。然而，目前这类方法在图像矫正和螺栓轮廓边缘检测的可靠性方面还有较大的改进空间。为此，针对钢结构螺栓连接节点，提出了基于深度学习的螺栓松动视觉检测方法。首先，基于YOLOv5检测螺栓目标。针对螺栓感兴趣区域(RoI)，基于鲁棒性较高的Attention U-Net提取螺栓轮廓边缘直线。为了提高螺栓目标检测精度，目标检测模型应设定较低置信度阈值以保证目标无漏检，再通过螺栓RoI提取的边缘直线数量筛除伪螺栓。使用透视变换法对节点图像进行矫正，变换所需的参考点是根据螺栓检测框之间空间移动后的相交关系自动定位的。最后，根据矫正图像中的螺栓轮廓边缘直线计算螺栓角度，通过检测螺栓和基准螺栓之间的角度差异判断松动情况。研究结果表明：螺栓目标检测的AP值为0.97；螺栓轮廓边缘检测的准确率、召回率和F1的均值分别为0.846、0.807与0.825，且在多种复杂背景干扰下具有较高的鲁棒性；伪螺栓筛除法可过滤掉99.82%的伪螺栓目标；提出的图像矫正法适用于常见的多种螺栓排列形式的连接节点；当松动判别阈值仅为2.8°时，螺栓松动检测的准确率可达99.7%。该方法在大型钢结构螺栓连接节点自动化运维方面具有较好的应用前景。

高温车辙是钢桥沥青路面的主要病害之一，可使用钻芯进行室内试验和现场测试表征；但钻芯取样采集的路面信息极其有限，现场车辙尺和激光剖面仪无法评价由于铺装层内部变形导致的车辙。基于探地雷达的沥青路面结构层厚度测量可进行车辙评价，但车辙导致的层间压缩会因有限的信号分辨率产生测量误差。钢桥面板的金属强反射和天线制式等影响因素尚未得到系统研究，缺乏控制试验验证。探讨了探地雷达在钢桥沥青路面车辙评价的可行性。基于室内加速加载试验条件建立沥青路面和空气耦合天线的数值模型，结果表明2 GHz空气耦合天线净空不超过50 cm可获得最佳测量速度和精度。采集室内加速加载设备不同荷载作用次数下的路面探地雷达电磁波信号，比较数值模拟探地雷达信号与室内实测信号，分析空气耦合天线探地雷达在钢桥面沥青路面反射信号中的特征。针对层间信号重叠，提出了信号重构和自动化厚度测量的非线性梯度下降算法；针对路面不平整度导致的振动效应，使用经验模式分解法进行信号降噪，钻芯取样验证算法的厚度测量精度。结果表明：在室内试验条件下，车辙宽度预测误差为4.9%，SMA层和MA层平均厚度预测误差分别为2.3%和3.8%，上面层SMA层变形大于下面层MA层。因此，使用先进的信号处理方法进行基于探地雷达结构层厚度测量的钢桥沥青路面车辙评价切实可行。

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。

传统的沥青路面结构设计方法主要采用最大拉应力/拉应变理论，不能反映路面结构的三维应力状态及其强度特性。同时，传统方法也没有考虑路面材料的拉、压模量不对称效应。为了解决理论计算能够更好反映路面结构真实力学响应的问题，提出了路面结构-材料协调力学模型。该模型可以适应拉、压模量不同的各种路面材料，能够反映材料强度的不对称效应。力学模型采用了应力状态自适应的迭代计算方法，可同时解算结构任意点位的三向应力状态和主应力状态。采用典型的半刚性基层沥青路面结构方案，计算分析了Lord应力参数和双剪应力参数表征的路面结构三维应力状态。在评估强度理论对路面结构破坏的判别效果时，考虑了最大拉应力理论、最大拉应变理论、莫尔强度理论、畸变能理论和统一强度理论。对比分析了这些强度理论导出的等效应力在路面结构内的分布特征，并解析了这些失效准则与常见路面病害现象的匹配性。研究结果表明：统一强度理论可作为控制沥青面层开裂的失效准则，并可同时作为控制半刚性基层发生拉剪组合破坏的失效准则，畸变能理论可作为控制沥青面层发生车辙病害的失效准则。该研究工作可以为长寿命沥青路面结构设计提供理论依据，并为其结构设计方法的发展提供理论参考。

长期冻融循环损伤作用严重影响高黏高弹沥青混凝土服役安全性与耐久性，依据动力学性能研究其冻融损伤特性、损伤机理及发展规律具有重要现实意义。为此，采用宏细观方法从动力学性能衰减角度研究高黏高弹沥青混凝土的冻融循环损伤问题，通过室内冻融循环试验、动态力学行为分析、沥青流变和黏附性测试及内部细观结构观察明确了其性能衰减规律和冻融损伤机制，优化了性能评价指标和损伤演变模型。研究结果表明：2S2P1D模型的拟合优度在0.98以上，能够较好地反映冻融循环损伤对动态力学性能的影响规律。沥青硬化效应和沥青-集料交互作用劣化的相互竞争机制使得高黏高弹沥青混凝土冻融损伤表现复杂，但冻融损伤后能够在常见缩减频率[10^-3 Hz，10³ Hz]中频(中温)区交通荷载和气候环境下保持较好的动态力学性能。高黏高弹沥青混凝土动态力学性能在高频(低温)和低频(高温)区表现出“保持-加速-平衡”的冻融损伤趋势，高频(低温)、低频(高温)极限模量比能够反映内部结构冻融损伤特征，据此建立的损伤演变模型能够较准确地反映内部材料结构劣化规律(判定系数R²>0.95)。研究结果可为高黏高弹沥青混凝土抗冻融性能优化设计与服役耐久性验证提供参考。

钢桥在现代交通基础设施中扮演着重要的角色，然而，由于长期服役与环境影响，钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与，费时费力且主观性强的问题，提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势，采集大量高清病害图像，经图像增强、标注后建立钢桥病害图像库，用于模型的训练和测试；引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型，实现钢桥病害的自动识别；并通过更换骨干网络的方式进一步提升模型性能。研究结果表明:将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升，交并比阈值为0.5与0.5∶0.95时，优化后模型的识别平均精确率分别为0.84与0.59；相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测，其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能，无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测，具有重要的科学研究和工程应用价值。

卡车与无人机配送的母船模式是指卡车搭载无人机至离客户较近的地点后，由无人机起飞配送多个客户点，再与卡车汇合的协同配送方法，是交通工程领域中具有潜力的重要发展方向之一。考虑到现实中存在部分客户点需求量超出无人机最大载重，或所处位置超过无人机最大航程覆盖范围的情况，在母船模式基础上，提出考虑超重超远客户的卡车与无人机协同配送模式(Truck-Drone Joint Delivery with Consideration of Customers with Great Demands and at Great Distances， TDJD-CGDGD)。该模式允许卡车服务超重超远客户，并允许无人机起降于不同地点。该模式下待求解的问题为含无人机的旅行商问题。以最小化总配送成本为目标，构建了混合整数线性规划模型。为高效求解大规模算例，提出了一种融合贪婪随机自适应搜索(GRASP)与自适应大邻域搜索(ALNS)的混合算法。算法首先在附加约束条件下，生成车机共同配送路径，该约束可简化车机路径优化过程。随后放松附加约束，针对性地调整一部分无人机路径，进一步降低总成本。试验结果表明：所提算法具有较好的计算性能；本协同配送模式与仅由卡车配送的传统模式相比可平均节约成本19%；允许无人机在超重客户点处起降与不允许情况相比可平均节约成本5%。