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。

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。

为了避免个体差异对疲劳驾驶辨识精度的影响并且提高疲劳驾驶辨识的个性化水平和效率，将主成分分析(Principal Component Analysis, PCA)与一维卷积神经网络(1 Dimension Convolutional Neural Network， 1DCNN)结合，提出一种快速个性化的疲劳驾驶辨识方法。首先，组织高速公路场景下的模拟驾驶试验，低侵入地采集24名被试的驾驶行为数据、面部关键点坐标及疲劳得分。然后，使用双层滑动时间窗切分原始数据并计算出486种指标。最后，采用结构紧凑的深度学习算法构建基于PCA-1DCNN的个性化疲劳驾驶辨识模型。使用5折交叉验证划分每位被试的数据集，训练并验证个体疲劳驾驶辨识模型，得到个性化疲劳阈值。结果表明：所提出的个性化疲劳辨识模型对所有被试的平均精度、敏感度、特异度分别达到99.93%、99.92%、99.94%，对所有被试的辨识效果较为稳定，精度、敏感度和特异度的标准差分别为0.07%、0.11%和0.09%;所提方法无需人工提取特征，采用轻量化的1DCNN，能快速辨识疲劳驾驶，平均检测耗时为0.010 3 s。所提方法规避个体差异的影响，提高个体疲劳驾驶辨识的精度和速度，可用于研发高效的个性化疲劳驾驶预警系统，亦能推动其他危险驾驶行为的个性化建模研究。

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。

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。

信号控制交叉口转向流量是城市道路交通系统建模的基础参数，对于预测道路交通状态及制定交通管控策略具有至关重要的作用。然而，由于城市交通路网间断流的非线性波动特征，转向流量通常会随时间随机变化。随着网联车辆（Connected Vehicle，CV）技术的快速发展，如网联出租车、互联出行车辆、预约出行车辆等提供的路径与转向信息使更细粒度的转向流量预测成为可能。如何利用有限的CV个体车辆信息，准确预测混合交通流未来转向分布及其随机性仍是亟待解决的关键问题。从纵向和横向2个方面解耦分析转向流量的随机波动特性：在纵向上，利用车队散布模型描述上游车辆以不同速度行驶至下游的随机性；在横向上，基于部分观测到的CV转向信息，利用基于深度核学习的高斯过程方法预测交通流整体转向需求的随机性。基于宁波市和钦州市道路真实采集的数据，验证了模型的有效性。试验结果表明：模型能够准确预测转向流量的变化情况。相较于传统的元胞传输模型与文献中基于CV转向比例的预测方法，模型在宁波市试验场景下的预测精度提高了23.81%以上，在钦州市试验场景下的预测精度提高了26.06%以上。即使在低CV渗透率的情况下，模型仍可提供更准确的转向流量预测结果，表明了模型的潜在应用价值。

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。

为提升智能车辆动态场景实时决策能力，针对决策模块对交互环境态势变化认知不足导致的决策性能下降难题，建立考虑交互车辆预测信息的智能车辆行为决策模型。首先，通过解析驾驶人超车行为，构建了融合多因素的智能车辆交互式超车行为决策框架。在此基础上，应用卷积神经网络(CNN)与长短时记忆网络(LSTM)，建立区分交互车辆时间和空间特征的轨迹预测模型。基于Kullback-Leibler(KL)散度理论，设计结合车辆运行物理规律的模型实时引导修正机制，提升模型预测精度与可解释性。进一步，基于风险场理论和博弈论方法，分析自车行驶安全性与行车效率收益约束条件，提出考虑交互车辆预测信息的智能车辆超车行为决策方法，实现动态场景超车博弈的均衡求解。最后，通过数值模拟与实车测试开展了超车场景试验。研究结果表明：考虑交互车辆预测信息的决策模型能够完成高精度轨迹预测，并依据预测结果实现动态场景实时超车决策；轨迹预测模型预测平均位移误差为0.993 m；决策过程博弈稳定性与博弈收益分别提升28%和20%，能够实现更高决策安全性与稳定性。研究结果可为智能车辆轨迹预测和行为决策提供理论支撑，提升智能车辆行为决策水平。

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。

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。

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。

基于车路协同的车辆碰撞及危险预警主流方案依靠激光雷达，但激光雷达总体价格昂贵，且雷达点云处理算力需求严苛，导致预警方案应用成本高昂。而相机具备低单价、低处理算力需求的特点，成为预警方案实施的有效载体。目前基于相机的预警方案在像素平面进行，定位精度低，易引发预警错误。对此，首次提出面向路侧相机的3D追踪算法，通过目标级车路感知融合，扩展车端感知范围并提升车端视野盲区内感知性能。针对路侧场景特点，改进3D目标检测模块，基于相机成像原理，量纲一化训练数据标签。利用监督学习范式，让模型有效学习像素与深度的映射关系，提升定位性能。提出多类别运动预测算法，根据不同类别交通参与者的运动特点，进行非线性运动建模，实现目标未来运动趋势的精准拟合。利用广义交并比进行相似度度量，扩大密集路侧场景中目标间差异并提升关联匹配精准度。依据仿射变换，完成车路感知结果空间对齐。通过相似度度量与匈牙利匹配算法完成最终车路感知结果融合。在V2X-Seq公开数据集上的试验结果表明:与其他先进3D追踪方法相比，该算法具有更优异的感知精准度。通过车路协同感知，针对“鬼探头”场景，进行危险碰撞预警，可有效提升碰撞预警成功率并增强单车智能的安全性能。

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。

为明确道路几何设计对驶出货车速度的影响规律，分析了高速公路主线至匝道路段货车运行速度的浮动车数据特性，并在此基础上构建了高速公路驶出货车运行速度预测模型。首先，通过分析货车驶出过程中速度变化的趋势，结合道路几何设计要素，确定了分流区货车速度的特征截面。然后，通过变量投影重要性分析，识别了影响特征截面货车速度变化的关键几何设计要素。最后，基于12个案例的实测数据，采用偏最小二乘回归法建立了货车在3个特征截面处的运行速度预测模型，并利用4个案例的实测数据对模型进行了验证。结果表明：货车在渐变点、分流点和分流鼻3个截面处的速度变化显著;货车减速行为通常在出口上游约500 m处首次出现，这意味着几何设计和交通标志对货车速度有重要影响;渐变段长度、减速车道长度、过渡段渐变率、渐变线长度、导流线长度及分流鼻端曲率半径是影响货车速度变化的关键设计要素;所建立的预测模型能够较为准确地描述货车在分流区的速度变化规律，其预测结果的平均绝对百分比误差均小于10%。研究成果可为互通立交路段线形一致性评估、限速方案制定及交通安全设施布设提供理论支撑和实践依据。

驾驶经验不足、多拉快跑心理等人因因素是高速公路长大下坡路段重载货车制动失效的主要成因，通过信息干预诱导驾驶人合理控速是解决该类问题的有效方法，其根本是优化速度主动干预策略，使其满足驾驶人序贯决策过程的信息需要。基于强化学习建立了具备序贯决策能力的优秀驾驶人模型，并提取自然驾驶人运行状态与优秀驾驶人模型间的显著差异特征，映射形成行车速度干预优化策略。首先，依托中国某高速公路长大下坡路段，搭建了与优秀驾驶人模型交互的环境；其次，鉴于高速公路长大下坡路段行车风险的累积效应，设计了综合考虑行车安全性、高效性和舒适性的单步奖励函数和全局奖励函数；然后，利用对偶深度Q学习网络(Dueling Deep Q-Learning Network, DuDQN)实现优秀驾驶人模型的训练；最后，通过驾驶模拟试验获取自然人驾驶运行状态数据，并基于行驶速度趋势检验提取其与优秀驾驶人模型的时空差异特征，实现速度干预点位和干预目标的确定。结果表明：基于DuDQN和DQN建立的优秀驾驶人模型并无显著性能差异，只是前者具有微弱优势；相比于自然人驾驶，优秀驾驶人模型的安全性提升了4%，而且其最大加速度变化率为0.12 m·s^-3，低于自然人驾驶的0.22 m·s^-3；自然人驾驶与优秀驾驶人模型的运行状态显著差异往往出现在坡度频繁变化路段，通过对差异特征的提取能够得到合理的行车速度干预策略。所提方法框架以模型驱动方式支撑行车速度干预策略的制定，可有助于提升高速公路长大下坡路段交通安全主动防控能力。

计算机视觉光流法在结构健康检测领域具有广泛的应用潜力。然而，传统光流法在面对复杂环境变化时，其鲁棒性和准确性仍存在较大不足。提出了一种基于计算机视觉的自适应特征点识别算法，旨在提高在光照变化、视角变化、噪音干扰及雨水干扰等复杂环境条件下的特征点检测和跟踪精度。算法通过动态调整特征点提取、匹配和优化参数，适应不同场景和环境干扰条件下的特征点运动和变化。试验结果表明:在光照变化(包括亮光、暗光)、视角变化、噪音干扰(包括强噪音、弱噪音)和雨水干扰(包括大雨、小雨)下，算法的均方根误差均显著低于传统LK光流法，验证了自适应特征点识别算法在复杂环境中的鲁棒性和准确性。此外，通过处理时间和特征点数量的对比，证明了该算法在实时性方面的优势。研究成果为桥梁工程结构的实时监测提供了有效方法，有助于提高结构施工质量，保障运营安全。

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。

尝试在施加预应力的基础上，引入混杂纤维混凝土(HFRC)，以改善连续组合梁负弯矩区抗裂性能。首先设计制作了4片不同混凝土板的组合梁，分别为普通混凝土板(CB-1)、HFRC板(CB-2)、预应力普通混凝土板(PCB-1)和预应力HFRC板(PCB-2)，进行静载试验，采集LS-1(0 kN)、LS-2(100 kN)、LS-3(极限荷载)3个静载阶段的频率及对应振型。由试验可知：与试件CB-1相比，试件CB-2、PCB-1、PCB-2最大裂缝宽度分别减小了19.2%、42.5%、59.2%，开裂荷载分别提高了43%、129%、189%；在LS-1阶段，试件CB-2、PCB-1、PCB-2一阶频率分别提升了2.4%、2.9%、7.6%，二阶频率分别提升了3.6%、5.9%、6.8%，三阶频率分别提升了0.6%、1.4%、3.5%；加入预应力技术与混杂纤维，能够改善组合梁负弯矩区的抗裂性能和刚度，其中预应力技术的改善效果优于HFRC，2种结合效果更优。然后分别采用频率、振型和增强型协调模态保证准则(eCOMAC)对4片组合梁试件进行损伤识别，发现eCOMAC精度最高；由eCOMAC量化组合梁的负弯矩区损伤程度可知，试件CB-2、PCB-1、PCB-2跨中位置的eCOMAC值分别比试件CB-1下降了22.5%、34.3%、54.8%，其与试验结果吻合较好。最后利用有限元软件ABAQUS，结合eCOMAC识别方法，考察预应力、钢纤维和聚丙烯纤维体积掺量对组合梁负弯矩区开裂性能的影响，结果表明聚丙烯纤维对负弯矩区损伤改善效果轻微，钢纤维改善效果较明显，预应力效果最好。

为提升隔震桥梁的抗震性能，结合变曲率摩擦摆(VCPB)与形状记忆合金(SMA)索的优势，提出了新型形状记忆合金变频摩擦摆(SVFPB)及其隔震桥梁参数设计方法。首先，推导了SVFPB的力学模型，基于OpenSees平台分别开展了VCPB与SMA索建模，并验证了模型精度，进而建立了SVFPB模型。其次，采用SVFPB参数设计方法开展了SVFPB隔震桥梁参数优化设计，确定了SMA索最优比例系数及分配系数，得到了SMA索的最优屈服力。最后，进一步研究了SVFPB参数设计方法的有效性及SVFPB隔震桥梁的抗震性能，分析讨论了SVFPB隔震桥梁地震响应的控制效果。结果表明：SVFPB参数设计方法能够准确得到SMA索最优参数；采用最优参数的SVFPB隔震系统可有效提升隔震桥梁的性能，能够实现主梁、支座、桥墩地震响应的综合最优控制，主梁峰值位移减小6.7%，支座残余位移减小51.3%；桥墩剪力、弯矩最大增幅仅为7.4%、7.0%。研究结果可为SVFPB隔震桥梁性能的提升提供参考。

下沉式隧道属城市道路低洼区段，在强降雨影响条件下不出现过多积水，是预防甚至杜绝城市内涝灾害保证交通安全的关键。为此，以路面状况与雨量损失为切入点，构建由进流量、排水能力及路面坡度函数表征的低洼路段积水深度预测公式。进一步地，采用SWMM(Storm Water Management Model)构建排水管网模型，对不同降雨、不同排水条件下积水深度进行预测，并验证理论公式的可行性。最后，根据模拟预测结果，完成对隧道内积水深度的风险等级评估。研究结果表明:隧道在理想排水条件下，降雨重现期为10、50、100年时，最大积水深度分别为14.93、20.85、22.74 cm;积水深度模拟预测曲线与理论公式计算结果吻合度良好，表现为先快速增长，后缓慢增长，达到峰值后快速下降，积水峰值在雨强峰值后出现;考虑25%管道堵塞率情况下，降雨重现期10年时的积水风险等级为Ⅲ级，重现期为50和100年时的积水风险等级均为Ⅳ级。研究成果对于下沉式隧道积水深度监测、预警与风险评估具有借鉴意义。

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。

为了改善3D打印混凝土结构层间薄弱面的黏结性能，提升桥梁打印构件，尤其是主梁构件的抗弯承载能力，推动3D打印技术在桥梁工程的进一步应用，提出一种鱼骨形(Herringbone, HB)加强筋，对3D打印混凝土构件进行穿层加筋增强。设计并制备了多种加筋试件，分别进行了直接拉伸试验、劈裂拉伸试验与直接剪切试验,研究HB加强筋对打印构件层间界面黏结性能的影响。试验结果显示，HB加强筋的引入显著增强了打印试件的抗拉性能与抗剪性能。与无加筋的对照组试件相比，试件垂直于层间界面方向(Z方向)的抗拉强度从0.832 MPa提升至1.823 MPa，提升了119%；沿打印路径方向(X方向)的劈裂强度从1.262 MPa提升至2.387 MPa，提升了89%；垂直于打印路径方向(Y方向)的劈裂强度从1.179 MPa提升至2.212 MPa，提升了87%；X方向抗剪强度从1.487 MPa提升至3.819 MPa，提升了156%；Y方向抗剪强度从0.897 MPa提升至3.350 MPa，提升了273%。这些结果表明，使用HB加强筋作穿层布置可以有效地提高打印构件的层间界面黏结性能，尤其是抗拉和抗剪性能。此外，通过荷载-位移曲线分析，揭示了未加筋与加筋试件在承受荷载时的典型特征，证明了加强筋的植入不仅提高了试件的层间界面力学强度，还增强了3D打印试件的结构韧性。最后，根据试验结果，基于半理论半经验的方法回归了3D打印加筋试件的抗拉和抗剪强度计算公式，为加筋3D打印混凝土的工程应用提供了理论支持。

针对恶劣天气条件下车辆环境感知能力不足导致的多目标检测精度低、鲁棒性差问题，提出了一种改进YOLOv8的目标检测算法YOLOv8-MRDE，旨在提升雾天驾驶场景下的目标检测性能。该算法通过3个关键步骤进行改进并实现性能优化：首先，在主干网络前端引入MixDehaze去雾模块，有效增强图像特征；其次，构建基于RepGFPN的多尺度特征融合架构，通过层级特征复现机制增强跨尺度特征的表征能力；最后，在检测头部分引入动态注意力机制，构建DyHead检测结构以提升关键特征的捕获能力。为优化训练过程，采用EIoU损失函数替代传统CIoU损失函数，以加快网络收敛速度；同时，应用结构化剪枝技术，消除模型冗余部分实现模型轻量化。在RTTS真实雾天数据集和Foggy Cityscapes数据集上的试验结果均表明：相较于其他算法，所提出的YOLOv8-MRDE算法检测精度显著性提升，较基准YOLOv8模型，mAP分别提升了2.6%(RTTS)、4.2%(Foggy Cityscapes)，模型参数量与计算量分别下降了25%和22%。试验验证了YOLOv8-MRDE检测网络在雾天驾驶条件下的有效性，证明了该算法在提升目标检测精度和鲁棒性方面的潜力，为雾天驾驶的安全性提供了理论依据与技术支撑。

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。

为全面反映砂岩地质特征、赋存环境与载荷效应对砂岩损伤及变形渗透机制的影响，开展含软弱夹层岩样三轴渗流试验，并基于D-P破坏准则和有效应力原理建立夹层砂岩多因子水-力耦合损伤本构模型。结果表明：一方面，夹层砂岩的峰值强度和弹性模量较完整岩样均有所降低，且随夹层倾角变化呈U形分布，并随着渗透压等级的提高呈线性衰减；另一方面，砂岩的力学行为和渗透特性受夹层倾角和渗透压的共同影响，二者展现出复杂的交互性，初始渗透率和夹层倾角、渗透压均呈正相关，30°夹层倾角岩样受荷全过程渗透率经历2个阶段的变化。此外，为突破经验分析损伤的局限，从经典损伤理论出发，得出总损伤量D₀初始值随夹层倾角的递增呈倒U形分布，整体变化趋势遵循S形增长模式。最后，结合试验所得力学参数，运用定性描述与定量分析相结合的方法，构建了水-力耦合作用下砂岩损伤本构模型，准确捕捉了砂岩在多种条件下的力学响应特征，并通过试验数据与理论曲线的对比验证了模型的合理性。

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。

为了满足复杂交通环境下智能网联汽车的感知需求，针对单车感知视野遮挡受限、网联交互数据可用性不一、多源协同位姿信息不准确等问题，提出了基于位姿误差校准的协同感知增强方法。从协同的有效性、数据的可用性以及感知的精准性出发，设计了包含协同主体确定、交互数据筛选、协同感知计算的分布式智能网联汽车协同感知增强架构:首先,利用Transformer交叉注意力机制融合雷达点云和图像，优化网联交通主体的自主感知能力，在通信距离的约束下，根据主车安全苛求区域感知增强和协同主体间感知互补原则，构建协同图模型实现协同主体确定；其次，为避免受到异常感知结果的影响，利用空间拓扑一致性和感知结果连续性实现交互数据的筛选；最后，通过高可用感知交互数据的关联匹配完成位姿误差校准，基于协同增益计算和目标可见性判别分别对冗余感知结果和新增感知结果进行协同，实现V2X多源交互数据的协同感知增强。为验证所提方法的有效性，基于OPV2V数据集和V2X-Real数据集开展了测试验证，试验结果表明：所提的协同感知增强方法较单车感知在OPV2V和V2X-Real数据集上的AP50分别提升了22.2%和21.7%，与主流的协同感知方法相比，所提方法在位姿误差干扰下AP50的下降值均最小，且在OPV2V和V2X-Real数据集上，其AP50下降值分别仅为RobustV2V方法的48.4%和52.3%，这验证了所提方法在提升感知精度的同时降低了位姿误差对协同感知性能的干扰。

冲刷是桥梁水毁失效的重要原因之一。然而，传统冲刷分析理论虽然在数值模拟、湍流唯象等方面有新的进展，但是仍不能妥善兼顾计算精度和计算效率，难以高效准确计算冲刷平衡深度和空间形态，制约了桥梁水下安全设计与运维技术的发展。一方面，主流的平衡冲刷深度计算公式往往过于保守，与实桥测量相差较大；另一方面，经典的单相流仿真方法与水槽结果在形态和深度上仍存在不小差异，而可以更准确描述泥沙运输的两相流模型计算成本高昂。从冲刷计算公式优化、单相流和双相流智能仿真3个角度出发，通过多源数据、多维领域知识和先进人工智能算法的协同作用，提出了一套桥梁冲刷智能分析理论体系与技术路径。在相关智能化分析案例中，该理论体系与技术路径无论从计算精度、效率还是安全性、泛化能力等关键维度上，均展现出优于传统主流经验公式与仿真方法的显著优势，有效缓解了传统冲刷计算中精度与效率难以兼顾的矛盾，不仅为高精度、高效率冲刷评估提供了可行解决方案，也为桥梁全寿命周期设计与防灾减灾提供了技术支撑。

地铁车站在修建过程中常对主体结构开设孔洞以满足其换乘等功能需求,但会较大地削弱开洞部位主体结构的承载能力。为了探究洞桩(Pile-beam-arch, PBA) 法地铁车站拱顶开洞结构力学行为,以广州某新建的洞桩法地铁车站为研究对象,通过室内模型试验对洞桩法车站拱顶开洞结构的破坏模式、裂缝扩展与变形规律展开深入研究；其次通过数值模拟方法对全尺度车站拱顶开洞结构的稳定性和开洞的影响范围进行分析。研究结果表明：车站拱顶开洞段的纵梁处于三维扭转状态,但其水平抗弯刚度较大,仍以竖向弯曲为主要变形特征；纵梁无拱一侧的纵断面中心形成“Y”形拉-剪复合型贯穿裂缝,而跨中部分形成的45°贯穿剪切斜裂缝；洞口边界出现显著的应力集中现象,同时车站结构整体传力路径发生改变,中扣拱不直接影响开洞区域内的其余结构；相比于未开洞段,以变形之差小于10%为判据,得到车站拱顶开洞的影响范围为开洞长度的80%,各结构内力受影响程度排序从大到小为纵梁、拱、底板、侧墙。研究成果可为类似地质条件下的地下工程建设提供重要参考。

为了研究降雨入渗作用影响下地震诱发路基变形的发展特性及失稳破坏过程，基于离心物理模型试验与有限元数值模拟方法，分析降雨后地震作用下路基动力响应特征、位移与应变发展规律以及失稳破坏特点。研究结果表明：前期降雨引起路基内部渗流发展和水分迁移，使得降雨后地震作用下路基动力响应更为显著且变形进一步发展；降雨结束后，路基内部渗流持续向坡脚方向发展，不同位置处土体饱和度发生改变，地震诱发路基变形规律与滑动特点受到前期降雨引起的水分迁移影响，当渗流引起路基坡脚附近土体湿化达到饱和时，地震作用下路基变形破坏最为明显；前期降雨总量与持时相同条件下，当降雨强度递减时，降雨初期雨水入渗速率较高，路基内部渗流发展加速，内部水分迁移加快，土体吸力值迅速减小且从非饱和状态向饱和状态转化，有效应力持续降低，地震作用下路基变形规模更大，失稳破坏形成的滑动面范围扩大；在相同地震荷载作用下，前期降雨强度递减条件下路基累积变形最为显著，其次为雨强恒定条件，雨强递增条件下路基累积变形最小。

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。

    随着我国公路交通基础设施建设进入高质量发展新阶段，绿色低碳与长寿命成为新时代道路工程发展的核心命题。然而，当前道路材料和结构仍面临资源消耗大、碳排放强度高、耐久性能不足等突出挑战，尤其是在多源固废高值化利用、全寿命碳排放管控、功能化改性及耐久性评价等方面仍存在技术瓶颈。如何在“双碳”战略背景下推动沥青路面材料与结构的绿色转型，成为学界与行业共同关注的前沿课题。
    近年来，国内外学者围绕绿色低碳耐久沥青路面材料与结构开展了深入研究，推动了该领域的持续进展。从固废资源高效利用、改性机理揭示，到结构体系优化、智能预测方法构建，相关成果不断涌现，为实现可持续发展和长寿命公路目标提供了坚实基础。特别是随着材料科学、环境工程和人工智能等多学科交叉融合，沥青路面材料与结构的绿色低碳化研究正在进入系统化、智能化的新阶段。
    为集中展示我国在绿色低碳耐久沥青路面材料与结构领域的最新研究成果，推动行业技术进步与工程实践应用，《中国公路学报》编辑部联合东南大学钱振东教授、罗桑教授和长安大学蒋玮教授（我刊青年编委）共同策划了“绿色低碳耐久沥青路面材料与结构”专栏，并邀请中国工程院院士东南大学黄卫教授、长安大学沙爱民教授（我刊主编）担任顾问专家，东南大学胡靖副教授、闵召辉副教授、长安大学焦文秀副教授作为组稿专家，共同协作，向该领域的知名专家学者约稿，出版本期“绿色低碳耐久沥青路面材料与结构”专栏。
    本专栏共收到相关论文30余篇，最终录用10篇，研究内容主要集中于以下3个方面：
    （1）绿色材料、固废高值化及减污技术。主要内容包括：氨基功能化MOFs在橡胶沥青中的抑烟机理，废旧轮胎橡胶颗粒在碎石封层中的抗滑降噪与减振性能，以及全钢渣沥青混合料的长期湿损与“孔隙-模量”耦合分析。研究揭示了绿色低碳沥青材料与固废资源高值化利用的技术潜力，为可持续路面材料设计提供了新思路。
    （2）再生利用与寿命延长方法。主要内容包括：高掺量RAP环氧改性再生沥青混合料的疲劳开裂性能与寿命评估方法，及“预热温度-压实功可变”的高掺热再生混合料设计优化。研究提出了高效再生沥青设计与施工方案，提升了再生材料的低碳与长寿命特性。
    （3）面向耐久与结构响应的结构体系与参数优化。主要内容包括：装配式桥面沥青混凝土铺装结构的力学优化，集料形态参数对抗车辙性能的影响，及基于可解释机器学习的钢渣沥青混合料体积膨胀与水稳定性预测。研究推动了“材料-结构-性能”的协同设计与智能优化，为提高路面耐久性和结构稳定性提供了理论支持。
    本专栏所收录的研究成果，不仅回应了交通基础设施绿色低碳与长寿命发展的重大需求，也展现了“材料-结构-环境”多尺度协同的一体化研究取向。在此，谨向专栏组稿专家、审稿专家及全体作者致以诚挚感谢！我们期望本期专栏的出版，能够进一步推动绿色低碳耐久沥青路面材料与结构的理论创新与工程应用，服务“交通强国”“双碳”战略实施。《中国公路学报》将持续关注并报道该领域国内外最新进展，搭建学术交流与成果转化的平台，助力我国道路工程的高质量可持续发展。由于篇幅与时间所限，专栏中的疏漏在所难免，恳请各位专家批评指正。

为解决传统路面标线视觉识别性差等问题，以稀土铝酸锶[SrAl₂O₄∶Eu²⁺,Dy³⁺ (SAO)]作为发光粉，钛白粉和碳酸钙作为填料，十二碳醇酯作为成膜助剂，制备水性长余辉自发光路面标线涂料。采用磨耗试验、浸水试验、紫外老化试验等探究长余辉自发光路面标线涂料的耐久性，并结合红外光谱和扫描电镜揭示其微观衰变机理。结果表明：长余辉自发光路面标线的主要磨耗形式为填料的剥落，钛白粉比碳酸钙更容易发生磨耗剥落；浸水不会降低自发光路面涂料的发光效果，但会略微降低路面标线涂料的抗滑性能，浸水过程主要是物理作用，没有引起化学变化；紫外辐射对涂料初始亮度和余辉时长均有提升效果，主要是因为铝酸锶可吸收部分紫外线，将其转化为热能或激发自身的发光特性，增加涂料的亮度和余辉时间；在紫外辐照能量较低时，紫外辐射可以增强其黏附性能，而随着辐照能量的增加，黏附力下降。此外，硅丙乳液有优异的成膜性，能够有效隔绝水分和紫外辐射的侵害；二氧化钛通过提高涂料的反射性能、抗紫外线能力，增强了涂料的可视性和耐久性；碳酸钙改善了涂料的硬度和耐磨性。材料之间协同作用显著提升了长余辉自发光路面涂料的整体性能。

为探究粗骨料超高性能混凝土(CA-UHPC)薄板中PBL剪力连接件的力学性能，基于推出试验结果与分析，探讨了有无贯穿钢筋、开孔钢板厚度、孔径大小、混凝土强度及连接件形式等因素的影响规律与机理。分析结果表明：无贯穿钢筋试件中由于混凝土榫需单独承受相对滑移作用，因而伴随竖向裂缝的迅速发展，发生剪切破坏，无法发挥其优异的抗压性能；相比有贯穿钢筋试件，抗剪承载力及刚度分别下降了34.5%及28.8%，表现为脆性破坏形式。通过面积及刚度的等效替换理论，表明可使用贯穿钢筋的等效混凝土榫面积来表征其抗剪贡献。由于采用了长度为13、20 mm的钢纤维，开孔钢板板厚由12 mm增加至20 mm时，混凝土榫下方抗剪界面上纤维分布根数减少了52.9%，削弱了其对于抗剪的销栓抵抗作用，从而使抗剪承载力下降了17.2%。由于混凝土榫的承载体积及强度的提升，开孔钢板孔径从40 mm增加至50 mm，以及CA-UHPC的抗压强度从146 MPa提升至163 MPa时，抗剪承载力分别提升了32.8%及62.2%，两者为承载力及刚度的主要贡献因素。同时，与普通UHPC相比，粗骨料的加入促使CA-UHPC混凝土榫的抗压承载力及刚度有所提升，从而使PBL连接件具有更优的抗剪承载性能。该研究对于PBL连接件在粗骨料超高性能混凝土领域的性能设计及工程应用提供了一定的数据及理论支持。

为了拓展废旧轮胎橡胶在道路领域的应用，系统探究了废旧轮胎橡胶改性及掺配技术对碎石封层路用性能的协同优化机制。通过氧化氨化作用处理橡胶颗粒，采用等体积替代法将其引入碎石封层体系。借助接触角测定、SEM微观形貌分析和FTIR化学表征验证改性处理对橡胶-沥青界面相容性的改善作用；采用湿轮磨耗试验、手工铺砂法、磨耗试验对碎石封层的抗滑抗剥落性能进行评价；采用室内噪声测试和轮胎垂直振动衰减试验对橡胶碎石封层的减振降噪特性进行表征。结果表明：采用2%NaClO+2%CH₄N₂O溶液依次处理橡胶颗粒表面可有效降低碎石封层骨料脱落率，并提高其表面粗糙度；随着碎石公称最大粒径的增大和橡胶颗粒掺量的增加，路面构造深度随之增大，表面纹理特征增强，同时减振降噪性能也得到提升。结合磨耗试验与噪声测试结果，骨料脱落率随磨耗次数增加呈先快速上升后渐趋平缓的特征；橡胶颗粒粒径增大时，碎石封层减振性能增强，但抗脱落能力降低。在橡胶颗粒粒径1.18~2.36 mm、掺量40%的条件下，骨料脱落率低于其他掺量条件，其降幅可达28%~55%。综合考虑降噪、减振效果及其路用性能，推荐碎石封层选用4.75~7.1 mm碎石+1.18~2.36 mm橡胶颗粒，橡胶颗粒掺量范围为35%~40%。

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。

为了探究局部锈蚀位置和锈蚀程度对PC梁抗弯性能的影响，设计了3根后张PC梁，并对其中2根梁的跨中和1/4跨位置进行局部电化学加速锈蚀试验。在局部区域达到设计锈蚀程度后，对3根PC梁分别开展了弯曲加载试验，分析了局部锈蚀对梁挠度、裂缝扩展、截面应变及破坏模式的影响，并结合3D扫描技术和ABAQUS模型进行了数值仿真分析。结果表明：局部锈蚀显著降低了PC梁的抗弯刚度，削弱了PC梁的承载能力、延性和挠度性能，且跨中锈蚀对抗弯性能的削弱能力大于1/4跨锈蚀;局部锈蚀显著降低了锈蚀区域的抗裂能力，导致裂缝数量增多且裂缝开展速度加快;跨中区域的局部锈蚀主要影响正截面抗弯区的裂缝宽度，而1/4跨位置的锈蚀则主要影响斜裂缝的宽度，但跨中锈蚀对极限荷载下的最大裂缝宽度影响更为显著;与未锈蚀梁相比，局部损伤区域的开裂荷载下降10%~20%，裂缝数量随锈蚀程度增加而增加；极限荷载下最大裂缝宽度下降32%~50%。锈蚀梁的非均匀锈蚀效应较均匀锈蚀更容易引发局部应力集中，导致局部区域的裂缝损伤更为严重，影响裂缝的发展和宽度，基于3D扫描得到的非均匀锈蚀模型更准确地反映了锈蚀对梁局部力学性能的影响。

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。

    桥梁，作为交通生命线网络的枢纽工程，其抗震性能的优劣直接决定着震后“生命通道”的畅通与否，关乎区域经济韧性与灾后恢复能力。然而，传统抗震分析方法长期依赖经验公式与简化模型，在精准捕捉地震动的强随机性、结构响应的强非线性以及复杂系统耦合作用等多重挑战面前，显得力有不逮。值得关注的是，近年来人工智能技术的爆发式发展，为破解这些深层次难题开辟了全新路径。通过将强大的数据驱动能力与深度的物理机理认知相融合，人工智能正推动桥梁抗震分析实现从“经验依赖”到“智能驱动”的范式跃迁——人工智能算法能够从海量数据中挖掘隐藏规律，深度学习模型可以高精度模拟复杂的非线性破坏模式与灾变过程，智能优化技术则可赋能抗震优化方案的快速生成与性能评估。
    为积极推动人工智能技术在桥梁抗震领域的深度应用与创新突破，及时反映该交叉学科的最新研究进展与发展趋势，助力智能抗震理论与技术的快速发展，《中国公路学报》编辑部联合北京工业大学韩强教授（我刊副主编）、北京工业大学温佳年高级研究员（我刊青年编委）、西南交通大学魏凯教授（我刊青年编委）、合肥工业大学钟剑副教授、同济大学王晓伟副教授共同策划了“人工智能在桥梁抗震中的应用”专栏，并邀请哈尔滨工业大学郭安薪教授、东南大学/江苏大学王景全教授（我刊副主编）、香港理工大学毕凯明教授、中南大学国巍教授、同济大学管仲国教授、西南交通大学赵灿晖教授、天津大学李宁教授、河北工业大学王东升教授、北京交通大学江辉教授、湖南大学伍隋文教授、长安大学周敉教授、防灾科技学院孙治国教授作为组稿专家，共同向该领域的知名专家学者约稿，出版本期“人工智能在桥梁抗震中的应用”专栏。
    本专栏共录用相关论文7篇，研究内容主要集中于以下3个方面：
    （1）已取得成果与应用前景分析。主要内容为：人工智能在桥梁抗震中的研究进展与展望。所报道内容系统梳理了人工智能技术在桥梁抗震五大核心场景（地震动合成、响应预测、损伤评估、韧性优化、网络级分析）中的应用。
    （2）桥梁结构响应预测与易损性分析。主要内容包括：中小跨径常规体系连续梁桥地震反应的机器学习预测及可解释性比较研究，基于LSTM的近断层桥梁地震响应和易损性快速预测方法，基于LSTM的近断层桥梁地震响应和易损性快速预测方法。所报道内容体现了人工智能技术在桥梁结构响应预测和易损性分析过程中的高效性与精确性。
    （3）桥梁韧性评估与抗震优化。主要内容包括：考虑构件修复次序的桥梁震后功能恢复模型及韧性评估，基于多目标群体智能算法的悬索桥减震优化方法研究，基于复Morlet小波梁式桥低阶振型识别新方法研究。所报道内容展现了人工智能技术在解决最优问题方面的优势。
    值此专栏出版之际，谨向为本专栏倾注心血的组稿专家、审稿专家以及所有论文作者致以最诚挚的谢意！正是诸位同仁的鼎力支持与卓越贡献，方使本期聚焦“人工智能赋能桥梁抗震”的专题得以成功呈现。我们殷切期望，本专栏的出版能够有效推动桥梁工程智能抗震新技术与新应用的蓬勃发展。《中国公路学报》将一如既往地密切关注人工智能与土木工程交叉融合领域，特别是智能抗震方向的国内外前沿动态与突破性成果，致力于为广大研究者、工程师搭建高水平的学术交流与知识共享平台，共同促进我国桥梁工程向更智能、更安全、更可持续的方向迈进。人工智能在复杂工程系统中的应用尚处于发展阶段，专栏中难免存在疏漏与不足之处，恳请各位专家、读者不吝批评指正，以帮助我们不断进步。