针对混杂物体散乱堆叠下的机器人抓取场景，使用固定视角相机的视觉抓取存在成功率低的问题，提出一种基于深度强化学习框架的眼-手随动相机视角选择策略，令机器人能够自主地学习如何选择合适的末端相机位姿，以提高机器人视觉抓取的准确率和速度。首先，面向机器人主动视觉抓取任务建立马尔科夫决策过程模型，将视角选择问题转化为对视角价值函数的求解问题。使用编码解码器结构的反卷积网络近似视角动作价值函数，并基于深度Q网络框架进行强化学习训练。然后，针对训练过程中存在的稀疏奖励问题，提出一种新的视角经验增强算法，分别对抓取成功和抓取失败的过程设计不同的增强方式，将奖励区域从单一点拓展到圆形区域，提高了视角动作价值函数近似网络的收敛速度。先期实验部署在仿真平台中，通过搭建机器人模型及仿真抓取环境实施离线强化学习训练。过程中，使用提出的视角经验增强算法可以有效提高样本利用率，加快训练的收敛速度。基于所提出的视角经验增强算法，视角动作价值函数近似网络在2 h以内可达到收敛。为验证所提视角选择策略的实际应用效果，将视角经验增强算法实施在真实场景下的机器人主动视觉抓取实验中。实验结果表明，采用该策略进行的视角优化有效提高了机器人的抓取准确率和抓取速度。相较其他方法，所提出的视角选择策略在实际机器人抓取中只需进行一次视角选择即可获得抓取成功率高的区域，进一步提高了最佳视角选择的处理效率。相对于单视角方法，混杂场景的抓取成功率提升22.8%，每小时平均抓取个数达到294个，具备了进入工业应用的可行性。
随着机器人技术的发展，仿人机器人在多个领域展现出应用潜力和价值。针对仿人机器人，基于机器视觉进行自主抓取研究，旨在提高仿人机器人在自然环境中的抓取适应能力和动作仿人性。在机器视觉方面，硬件采用Realsense-D435深度摄像头，利用YOLO（You Only Look Once）物体检测模型实现目标物体的识别、空间定位、深度图裁切和目标点云生成，并根据目标点云与标准点云的配准算法（ICP）获取物体的姿态，通过D-H法对机器人头部进行建模，将物体的位置和姿态由相机坐标系转换为机器人坐标系。在运动规划上，参照人手臂的抓取规律，将抓取过程分为9个基础动作：初始位、移动至预抓取位、抓取物体、提起物体、搬运物体、移动至放置位、放置物体、退出位和回到初始位，针对不同物体确定对应抓取姿态，以提高抓取成功率，根据视觉获取的抓取点和放置点，自主计算余下的关键点，并以空间弧形作为抓取轨迹，通过Matlab仿真，验证抓取过程机械臂末端运动轨迹和关节轨迹的合理性。最后进行物体抓取实验，结果表明，仿人机器人在自然环境中能够快速准确地识别和定位不同物体，并能成功进行抓取和搬运，成功率均在80%以上，并且能够兼顾动作的仿人性，验证了所提出方案的有效性。本研究可促进仿人机器人在人类日常生活中的应用和普及。
随着城市汽车保有量的稳步增长，道路交通拥堵问题日益凸显，给城市发展带来了巨大压力。为了有效应对这一挑战，开发能够提高交通效率并降低能源消耗的方法显得至关重要。在当前环境下，车路协同系统作为实现绿色智慧交通系统的一种理想选择，可通过整合和优化各种交通资源，实现交通效率的提升和能源消耗的降低，进而为实现“双碳”目标提供了重要技术支持，已成为交通领域研究和实践的重要方向。本文详细解析了车路协同的基本概念、研究方法和应用场景，并深入讨论了其4个核心技术模块：融合感知、驾驶认知、自主决策和协同控制。文章回顾并总结了这些模块中从传统方法到最新的深度强化学习方法的研究成果，并深入探讨了这些技术和方法在提升交通效率、降低能源消耗和增强道路安全性方面的应用潜力。最后，文章剖析了车路协同系统在实际应用中可能遇到的诸多挑战，如信息传输的安全性、系统的稳定性、环境的复杂性等。为了克服这些挑战，文章从开发整合车端和路端信息的数据集、提升多源感知信息的融合精度、增强车路协同系统的实时性和安全性与优化复杂条件下多车协同决策控制的方法等4个方面展望了未来的发展方向。因此，本文不仅对于车路协同技术的进一步发展具有重要的参考价值，也对于城市交通系统的未来规划和建设具有重要的指导意义。
在“双碳”政策背景下，维护生态平衡，减少碳排放势在必行。现如今，准确测算大范围路网车辆碳排放指标十分关键。为此，本研究提出了一种基于多源数据融合的高速公路网车辆碳排放测算方法。首先提出面向碳排放统计的基础数据清洗方法，对后续碳排放测算所需基础数据进行清洗。其次建立高速公路碳排放测算模型，进而设计相关的计算流程。最后以广东省高速公路网为例，测算了2020年9月至2021年6月的车辆碳排放量，并与中国碳核算数据库进行对比、验证所提出方法的科学性与可靠性。研究表明：虽然微型小型客车车均碳排放量较小，但总碳排放量在各车型中占比最大，达到52.1%；汽油车碳排放总量占比达到了49.8%，高于柴油车的45.4%和其它类型能源车的4.8%，大力推广新能源汽车能有效地降低高速公路碳排放量；此外，研究发现“新冠疫情”下不同车辆的出行规律存在明显的差异，但对交通运输经济的整体影响有限。
在交通强国建设的大背景下，大力发展城市公共交通，推动城市可持续发展已然成为城市交通发展的必然要求。公交信号优先控制作为一种主动优先策略，可有效减少公交车辆在信号交叉口处产生的碳排放和延误，提升公交服务质量。为研究公交优先控制策略对交通碳排放的影响，基于交叉口车速随机特性，引入公交车速概率密度函数，分析了延误、停车次数、速度等主要参数对交通碳排放的影响。采用车速引导与绿时延长的组合控制策略，以交叉口上游路段以及交叉口范围内不同燃料类型的公交车和小汽车的碳排放减少量最优为上层目标，以人总延误减少量最优为下层目标，以引导速度以及非公交优先相位被压缩的绿灯时间为决策变量，建立单交叉口公交优先控制双层优化模型，并采用Gauss-Seidel迭代算法对模型进行求解。最后，将所建立的模型应用算例进行分析，结果表明，在引导提速与绿时延长策略下，交叉口整体的碳排放和人总延误减少量可分别达到25.63%和36.27%。模型有效降低了交叉口上游路段以及交叉口范围内的碳排放和人总延误，在推动可持续发展的同时，实现了交叉口整体通行效益最优。
准确识别交通事故风险和及时掌握交通事故风险的变化对于交通事故的主动防控和减少交通事故的发生具有重要意义。现有的交通事故风险识别研究大多基于交通流、交通冲突等实时、动态参数，同时受以往数据采集技术的制约，风险驾驶行为在交通事故风险识别研究中的应用受到限制。为了更加准确的识别道路交通事故风险，本研究引入风险驾驶行为和交通流等大数据，提取急加速、急减速、急转弯、急并道以及交通流量、平均速度、拥堵指数等变量，结合事故数据构建交通事故风险识别模型。基于逻辑回归算法计算交通事故发生概率，对交通事故识别模型进行评价，一方面量化风险驾驶行为在交通事故风险识别中的贡献，另一方面分析事故发生前后，交通事故发生概率的变化趋势。研究结果表明，同时考虑交通运行状态和风险驾驶行为的交通事故风险识别模型的敏感度和AUC值分别提高5.00%和0.03，误报率和漏报率分别降低1.78%和5.00%，模型的拟合效果更好。此外，在交通事故发生前后，交通事故风险概率呈现明显上升趋势，是交通事故防控的重点时段，应在相应的路段及时采取防控措施降低交通事故风险的概率，避免发生交通事故。本研究可为交通事故的预防预警以及主动防控提供直观的依据。
本研究对9根圆钢管约束型钢混凝土短柱、1根圆钢管约束混凝土短柱、1根圆钢管型钢混凝土短柱开展了轴压力学性能试验，重点分析了钢管屈服强度、型钢屈服强度、钢管径厚比、混凝土强度等级、钢管内壁处理方式、钢管约束模式等重要参数对钢管约束型钢混凝土短柱的破坏模式，以及对轴压承载力和延性的影响规律。结果表明：高强圆钢管约束高强型钢混凝土短柱的破坏模式为整体剪切破坏，高强钢管表面没有发生明显的局部鼓曲，内置高强型钢有效地限制了混凝土斜裂缝的发展。对于圆钢管约束型钢混凝土短柱，采用高强钢管、高强型钢相比采用普强钢管、普强型钢，试验轴压承载力与简单叠加轴压承载力的比值从 1. 37 提升至 1. 49，延性系数从2. 22提高至 3. 25，材料利用更充分，延性更优异，对核心混凝土的约束作用更强。在《钢管约束混凝土结构技术标准》（JGJ/T471—2019） 和本文参数分析结果的基础上，不考虑约束混凝土强度最大限值，采用已有的约束混凝土本构模型，提出了高强圆钢管约束高强型钢混凝土短柱的轴压承载力修正公式。本研究可为实际工程应用提供科学依据和数据参考。
深入分析风险扩散阶段城市群多模式交通网络的动态韧性演化特征，有助于提高城市群风险抵御能力。本研究基于复杂网络理论及其扩展理论，以城市群公路、铁路、航空网络为基础，构建城市群多模式多层次交通网络模型，将节点度、节点介数与可达性相匹配，分析其风险扩散下的静态拓扑特征；以级联失效动力学理论为基础，考虑不同阶段节点初始风险水平、风险预警阈值与风险抵御能力，根据影响风险扩散的节点与连边测度指标，构建风险动态扩散模型；考虑风险冲击下结构、功能变化特征，构建网络结构、功能韧性测度模型，并通过其耦合值表征多模式交通网络韧性性能。以关中平原城市群多模式交通网络为研究对象，运用Python Networkx和Matlab网络分析工具，就不同的风险扩散方式、网络可靠性、冗余性、鲁棒性和节点风险处理能力系数，对风险扩散阶段城市群多模式交通网络的动态韧性演化进行仿真分析。结果表明：模型结果与实际相符，提升网络可靠性、冗余性、鲁棒性和节点风险处理能力，能有效增强网络韧性；相较于基于节点测度的风险扩散方式，基于连边测度的风险扩散方式对韧性性能影响更大，说明线路层次等级分布相较于数量对城市群多模式交通网络的韧性性能影响更大；相较于单一的交通网络，多模式多层次的交通网络韧性性能整体表现更佳。
本文对应用于可更换连梁中的小位移下即可开始耗能的电涡流连梁阻尼器的阻尼特性展开研究。基于磁路理论分析，提出了电涡流阻尼器中最优的永磁体磁极布置方式，即平行导体运动方向交替布置，垂直导体运动方向同向布置。鉴于此，设计了两种新型电涡流阻尼器，一是导体板在磁场中平动的板式电涡流阻尼器，二是利用齿轮-齿条机构放大导体板在磁场中定轴转动速度的旋转式电涡流阻尼器。将两种电涡流阻尼器运用于可更换连梁中，对安装于可更换连梁上的新型电涡流连梁阻尼器进行有限元仿真，揭示了电涡流阻尼的非线性力学行为。其阻尼系数及刚度系数具有较强的频率相关性，加载频率越大，耗能效率越低，结构动刚度越大，因此电涡流阻尼器更加适用于低频的工作条件。此时电涡流阻尼器的阻尼系数大，耗能效率高，且刚度系数较小，基本不会改变结构的自振特性，具有良好的实际工程应用价值。
为了探究高速公路路侧环境对驾驶员注意力的影响，优化路侧景观和交通标志设置，提高行车安全性，通过量化分析驾驶员的注意力分布确定了路侧环境风险等级区间。根据路侧环境实际状态选择四类典型路段场景，开展实地驾驶试验采集驾驶员的眼动参数、心率等数据，并分析对应路段上驾驶员眼动规律，包括注视行为、扫视行为和眨眼行为，在此基础上确定表征驾驶员的注意力的显著眼动指标为注视参数。根据驾驶员注视点对应的实际景物并结合注视落点在视野平面中的位置，划分驾驶员的视野区域为路侧环境区（S区）、前方道路区（W区）和车身仪表区（C区），构建驾驶员注意力分布模型，确定以路侧环境注意力占比值量化表达路侧环境，建立其与驾驶员心率增长率之间的关系模型并划分风险等级区间。结果显示：路侧环境的复杂程度对驾驶员的眼动行为有明显影响，相对于扫视和眨眼，驾驶员的注视参数可显著表征驾驶员的注意力状态，行车过程中驾驶员的关注点在视野平面内移动，路侧环境注意力占比值为S区的累计注视时间和S区与W区注视总时间的比值，其安全区间为［9.93%，62.10%］，风险区间为［6.44%，9.93%）和（62.10%，76.93%］，危险区间为［0，6.44%）和（76.93%，100%］。研究结果可以为路侧景观和标志设计的安全性评价和改善决策提供参考依据。
目前机器人已在工业生产制造中得到广泛的应用，但由于机器人系统中关节摩擦等因素的影响，机器人的轨迹跟踪精度难以满足高精度生产的需求。为减少机械结构中非线性摩擦因素和系统中未建模干扰等因素对机器人运行稳定性和加工精度的影响，文中提出了一种速度模式下的摩擦补偿控制算法。首先，基于傅里叶级数和5次多项式混合的方式设计最优激励轨迹，通过最小二乘法完成动力学参数的预辨识，并利用Levenberg-Marquardt法对预辨识结果进行迭代寻优，从而建立更为精确的机器人动力学模型；然后，基于李雅普诺夫方法设计机器人轨迹跟踪控制算法，将最速离散跟踪微分器中采集的关节角度输入所设计的轨迹跟踪控制算法中，得到实时的关节速度补偿值，将补偿值实时输入机器人中实现摩擦补偿控制；最后，以六自由度串联机器人为实验对象，对所设计的摩擦补偿控制算法进行实验验证。结果表明，相对于摩擦补偿前，机器人的末端轨迹跟踪精度提升约35%，从而验证了文中所提算法在机器人摩擦补偿领域的有效性。
为解决行驶在超高速公路上的高速智能车与前方低速车辆碰撞的安全问题，用联合仿真的方法研究了车辆制动避撞系统。通过CarSim软件建立车辆动力学模型，并设置前方车辆参数、道路参数和传感器参数，在MATLAB/Simulink中建立基于车间距和车速的控制模型，通过CarSim软件的输入与输出参数接口模块建立信号连接。当前车车速为100、120和140 km/h，智能车车速为140、160和180 km/h时，控制模型通过传感器采集到的实时距离与速度对智能车发出制动减速信号，建立超高速公路行驶车辆紧急制动避撞策略。研究结果表明：当道路附着系数为0.60，超高速公路汽车行驶在平坦的直线路段上进行制动时，最佳轮缸压力为7 MPa，此时，车辆速度为160 km/h时汽车的制动距离为170.3 m，前车以速度100、120和140 km/h匀速行驶，智能车车速分别以140、160和180 km/h制动到与前车车速一样时，所需要的相对距离分别为10.8、10.7和10.5 m。设置路面附着系数为0.60，前车车速分别为100、120和140 km/h，初始轮缸压力为1 MPa，智能车制动减速到与前车车速一样时，智能车前悬距前车后悬距离分别为3.1、3.5和3.8 m，其他条件不变，当初始轮缸压力为3 MPa，智能车制动到与前车车速相同时，智能车前悬距前车后悬距离分别为7.0、7.3和7.7 m。通过搭建的CarSim/Simulink汽车紧急制动避撞控制联合仿真平台，验证了超高速公路制动避撞模型的有效性和准确性，可以提高超高速公路行车的安全性。
“十四五”时期，我国已进入城镇化发展新阶段，培育现代化都市圈是推动城市群发展的重要手段。区域交通网络中的快速交通系统如高速公路和高速铁路是都市圈形成和发展的先导条件，其引发的区域非均质时空收敛效应，深刻地影响都市圈的发展空间格局，因此都市圈空间组织关系与不同交通网络层级的交互性关系亟需审视。为探究都市圈不同圈层因人口聚集与经济发展具有错位性而引起的高速公路网和铁路网密度空间差异性发展规律，本文以长三角城市群5个都市圈为例，选取区县为空间单元，基于多源数据构建城市关联强度模型，运用多维标度分析和空间距离要素识别都市圈的不同圈层边界，包括核心圈、紧密圈和规划范围边界。通过不同空间圈层的人口密度、人均产出、地均产出、高速公路网密度和铁路网密度5个主要指标挖掘社会经济发展与交通网络密度的关联规律。结果显示：都市圈各圈层存在人口聚集、经济发展不平衡的态势，“人口密度-地均产出”和“地均产出-人均产出”发展曲线分别为“S型”和“对数型”；人口密度、地均产出与高速公路网密度呈现“对数型”曲线发展规律，现状铁路网密度曲线发展规律与高速公路有较大差异；在人口密度、地均产出大于600人/km2、8 000万元/km2时出现核心圈铁路网密度不足的状况。本研究为都市圈一体化交通网络规划研究提供新角度。
碰撞检测技术可以降低设备损坏和人身伤害的几率，在现代化的人机协作生产中起着重要的作用。实现免外力矩传感器的碰撞检测需要准确地估计工业机器人受到碰撞时的关节外力矩。然而，动力学模型的参数辨识误差以及电机电流的测量误差等因素会影响外力矩估计的准确性。为了解决这些问题，本文设计了一种扰动卡尔曼滤波外力矩观测器。该观测器基于扰动原理将外部碰撞等效的外力矩作为扰动项，并定义关节扰动模型。同时，引入机器人的广义动量构建状态空间方程。考虑到动力学模型的参数辨识以及电机电流的测量存在误差，基于卡尔曼滤波算法进行迭代估计，从而得到最优的外力矩观测值。为了提高碰撞检测的灵敏度，本文提出了一种随关节速度变化的时变对称阈值函数，用于实现碰撞检测。该方法可以根据关节速度的变化调整阈值，以适应不同工作速度下的外力矩观测值。实验结果表明，与广义动量观测器相比，所提出的观测器在外力矩估计的整体精度上提高了52.03%。为了验证所提方法的有效性，本文利用6自由度串联关节型工业机器人进行了碰撞检测实验。实验结果显示，相比于静态阈值，采用时变阈值的方法缩短了58.06%的检测延时，从而可以提高碰撞检测的灵敏度，更有利于工业机器人的安全操作和碰撞防护。
