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。

“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。

由于智能网联车的不断发展，未来将出现智能网联车和人工驾驶车共同存在的混合交通流，因此，研究道路上的混合交通有助于解决交通拥堵等问题，具有一定的现实意义。为探究这类混合交通流的流量、密度和速度之间的关系，文中综合考虑智能网联车辆退化和车辆时延，建立了自动驾驶环境下混合交通流的基本图模型。首先，确定交通流中的车辆类型和不同类型车辆的比例，并考虑联网智能车辆跟随人工车辆时发生的车辆功能退化；然后，确定3种车辆的延迟时间并改进每种车辆的跟驰模型；在此基础上，同时考虑车辆时延和车辆功能退化两种因素，推导出交通流平衡时的基本图模型，并对模型中的自由流速度参数进行敏感度分析。研究结果表明，智能网联车对混合交通流的最大流量和最佳密度有积极影响，车辆时延有消极影响，自由流速度则对混合交通流的最大流量有积极影响，对最佳密度有消极影响。SUMO仿真结果表明，在不同场景下仿真得到的流量?密度分布点符合理论曲线，验证了文中理论模型的准确性。

在“双碳”政策的时代背景下，交通行业碳减排任务艰巨，但目前面临车辆碳排放测算精度不高的问题。为实现车辆碳排放的精细测算，文中提出了一种融合多源数据的高速公路路段车流碳排放精细测算方法。首先，运用KD-树算法将运营车辆的GPS坐标与高速公路道路点坐标搜索匹配，实现对运营车辆的实时监测。然后，建立车辆碳排放测算模型，进而设计相关的计算流程。最后，以虎门大桥主桥段为例进行路段断面碳排放测算，通过VISSIM仿真及相关对比实验，验证了文中所提出的算法的科学性和可靠性。结果表明：按车辆类型分类，微型小型客车的碳排放最高，占比达74.36%；按燃料类型分类，汽油车的碳排放最高，占比达80.50%；新能源汽车运行车次数占12.60%，但碳排放仅占4.27%，因此大力发展新能源货车是推进高速公路碳减排的重点。研究还发现，将交通饱和度控制在0.32~0.38时，当量标准车的平均碳排放较少；当交通饱和度大于0.62时，当量标准车平均碳排放显著增加。文中研究结果可以为交通管理部门制定相关策略提供理论依据。

为探究并量化高速公路交通事故的时空传播机理，克服传统交通波理论在此类问题中考虑维度单一的缺陷，首先，基于微波雷达检测器采集的动态交通流数据，分析高速公路事故前后的速度变化态势；进而，引入速度变化率作为事故影响的度量指标，采用双线性插值法构建速度变化率轮廓图，并根据Savitzky-Golay滤波拟合法拟合事故影响时空区域的外围轮廓；最后，在速度变化率的阈值分别取20%、30%和40%时，计算并分析交通事故时空影响的各量化指标，包括事故影响开始时间、事故影响结束时间、事故影响持续时间、事故影响最近距离、事故影响最远距离、事故影响空间范围、事故影响传播速度以及事故影响消散速度。结果表明：速度变化率的阈值取值越小，则事故影响的开始时间越早，结束时间越晚，持续时间越长，且事故影响的距离越长；速度变化率阈值取值越大，则事故影响的开始时间越晚，结束时间越早，持续时间越短，且事故影响的距离越短；不同速度变化率阈值下的事故影响传播速度随时间的变化趋势有差异。文中方法操作性强、辨识度高，能够为高速公路事故发生后的实时交通管控和引导提供理论支撑。

为深入了解影响高速公路交通事故严重程度的显著因素，以广深沿江高速东莞段2014—2019年事故数据为研究对象，将事故严重程度分为3类（即无伤亡事故、轻伤事故、重伤亡事故），并以事故严重程度为因变量、13个潜在影响因素为自变量，通过条件自回归先验解析相邻事故间的空间相关性，建立不同关联距离阈值的空间广义有序Probit模型。结果表明：事故数据间存在显著的空间关联；空间广义有序Probit模型优于广义有序Probit模型和多项Logit模型，基于250 m关联距离阈值的空间广义有序Probit模型表现最优。该模型参数估计显示：车辆类型和归属地、事故发生时间、事故地点曲率、桥梁路段和事故类型对高速公路事故严重程度均有显著影响。边际效应结果表明：相对于小汽车间的交通事故，涉及客车、货车和其他类型车辆的交通事故导致人员重伤亡的概率分别增加3.27%、1.53%和4.11%；外省车使得重伤亡事故的发生概率增加1.02%；相对于周末、春季和桥梁路段，工作日、夏季和非桥梁路段发生的交通事故导致人员重伤亡的概率分别提高0.87%、2.38%和0.08%；单车事故导致重伤亡的概率比多车事故低1.64%；事故地点曲率每增加1 km^-1，重伤亡事故的概率将降低1.54%。

合理设置隧道交通标志能够在一定程度上缓解隧道特殊环境引发的“时空隧道效应”。文中研究了高速公路隧道内部交通标志（限速标志、出口预告标志）对驾驶行为的影响特性，首先选取特长隧道作为实验路段，通过驾驶模拟实验测试获取驾驶人细粒度微观行为数据，然后再考虑随机效应影响的条件下构建线性混合效应模型，揭示了隧道内部交通标志对驾驶行为的影响特征及作用机理。结果表明：不同影响区段内交通标志对驾驶行为的作用存在差异；在隧道内部设置限速标志能够一定程度上降低事故风险的发生概率，限速标志的重复设置一定程度上能提高驾驶人的操控能力；在隧道内部设置限速标志及出口距离预告标志有助于改善驾驶人空间控制能力、提高驾驶舒适度，其中，在距离隧道出口约小于1 km的影响区段内设置隧道出口距离预告标志有助于提高驾驶人的行车舒适性，在距离隧道出口2 km和1.5 km的影响区段内设置预告标志能在提高车辆控制能力的同时使驾驶人具有更高的行驶车速；此外，隧道交通标志作用下的驾驶行为受驾驶人性别、年龄、驾驶经验等特征属性影响，男性驾驶人的驾驶风险更低。

当前，货车超载超限现象严重，为提升高速公路货车管控效率及货运安全水平，提出基于货运风险特征画像的货车运行风险等级识别模型。首先，基于高速公路收费数据，以货车为研究对象，从驾驶行为和营运状态两方面制定面向货运风险识别的用户画像标签体系；接着对样本数据进行清洗和标签指标提取与分析；然后，利用K-means++算法获得货车货运风险特征画像分类结果，再使用熵权法对各类货车进行货运风险评分，确定各类别货车的风险等级；最后，结合各类别车辆的相关指标，对车辆完成画像。基于广东省全网高速公路2022年3月至5月的货车收费数据，利用所提出的模型，将货车车辆划分为5类，其中，“高风险高强度货车”车辆占比5.42%，“较高风险夜间驾驶超载货车”车辆占比19.12%，“中风险超速货车”车辆占比12.85%，“低风险低频货车”车辆占比37.00%，“低风险高频货车”车辆占比25.61%。使用同期广东省某事故数据库数据对模型进行验证，数据表明，高风险类别车辆的相对风险系数远高于低风险类别车辆。研究表明，所提出的模型可以有效地提取高风险货运特征货车，基于风险等级识别结果，交管部门可进行高风险车辆识别、超载超限重点监查、特定消息推送引导车辆安全驾驶等工作，以提升行业安全管理水平。

为实现沥青混合料骨架细观接触的高通量计算，首先提出了近邻列表法与改进的窗搜索法两种接触计算方法；然后，使用4种（AC13、AC16、OGFC13及SMA13）沥青混合料对比了两种新方法与遍历法、窗搜索法及iPas软件在计算精度与效率方面的差异，采用虚拟试件研究了可实现计算速度与精度均衡的图像分辨率范围；最后，就高通量计算方法的适用性进行了验证。结果表明：近邻列表法可避免遍历法不可能发生接触集料对的冗余接触计算，改进的窗搜索法通过形态学膨胀处理即可完成传统窗搜索法环扫一周的目的；近邻列表法、遍历法、窗搜索法、改进的窗搜索法及iPas软件尽管计算原理存在差异但具有一致的精度；不同计算方法的计算效率排序为近邻列表法>遍历法>改进的窗搜索法>iPas软件>窗搜索法；图像分辨率的降低会提高接触计算的速度但是会降低接触点计算结果的准确性，综合考虑精度与效率的要求，图像分辨率范围处于0.05~0.075 mm/pixel时可实现计算速度与精度的均衡；近邻列表法能有效地实现沥青混合料骨架细观接触的高通量计算。

为实现急弯路段的追尾碰撞风险主动防控，提出了一种基于多源数据融合的追尾冲突动态预测方法。首先，基于无人机、毫米波雷达等采集的车辆运行数据，提出了适用于急弯路段交通流特征的追尾冲突判别模型及冲突等级阈值划分标准，分析了急弯路段的追尾冲突空间分布特征。然后，筛选车型、大车比率、断面速度差等13个交通流特征指标作为输入变量，以粒子群算法为基础，分别构建了其与BP神经网络、随机森林、支持向量机算法的追尾冲突动态组合预测模型，并根据混淆矩阵和曲线下面积评估各模型的预测性能，利用黑箱解释方法分析冲突发生概率的显著性影响因素及影响程度。结果表明：相较于平直或一般弯道路段，急弯路段的追尾冲突TTC （Time to Collision）值更小，出弯缓和曲线段冲突更为严重，且弯道内侧碰撞风险最高；粒子群-随机森林模型的追尾冲突预测性能最佳，灵敏度达90.70%；急弯路段追尾冲突受车辆平均车头间距的影响程度最大，当平均车头间距为25 m左右时，冲突发生概率最小，向心加速度均值、速度均值等因素亦对其有显著影响。

区域高速公路网收费站数量众多，每日产生海量收费数据，但由于设备、网络等因素，部分站点数据传输存在延迟现象，在此情况下已传输的数据往往不能满足实时流量预测的要求。为了实现实时交通数据补全和动态交通流量预测，文中首先提出了一种基于自监督学习的用于高速公路交通流量数据缺失补全的方法，该方法采用了基于注意力机制的时间序列模型（Seq2Seq-Att）；然后使用自监督学习方式对模型进行训练；最后，以广东省高速公路网的80个收费站为例，验证方法的可靠性。结果表明：文中的数据补全方法能够灵活捕捉交通数据中的缺失情况，并根据数据自身的内在关联性，给出合理的补全值；该方法总体优于其他方法，且在不同缺失率下都有较好表现，总体MAPE约为17.7%、WMAPE为12.8%；在高缺失率情况下，该方法相比于其他补全方法有明显的优势。交通量预测结果表明，使用该方法补全的数据进行交通流预测的预测精度接近使用完整数据的情况。

公交系统因运行时间不稳定、到达时间难以被准确预估而使得出行者满意度较低。随着城市的多元化发展，公交线路也逐步多样化，不同类型线路公交车的运行时间波动差异大，造成公交车调度运营困难、乘客出行不便。针对上述问题，文中首先以簇内误差平方和（SSE）为衡量指标，采用K-means++算法对站点进行聚类，将不同类型公交线路的运行特性和可靠性影响因素作为考虑因素，确定各线路大站快车备选站点集；然后以最小化公交车辆运行成本、乘客出行成本和可靠性成本为目标，考虑全程车和大站快车的运行过程、车头时距等约束，构建大站快车与调速联合策略优化模型，以决策不同类型公交线路大站快车站点、全程车与大站快车的发车时刻和车辆路段运行速度；最后采用遗传算法对优化模型进行求解，选取北京市公交线路进行案例分析。结果表明：大站快车策略有利于降低公交车辆的运行成本，调速策略能更好地降低乘客出行成本和可靠性成本，而大站快车和调速联合优化策略可有效地降低公交系统的总成本。

共享单车流率的大小体现了城市空间环境内车辆盈缺的程度，理解其变化及其诱因对于城市单车的调度具有重要意义。由于出行目的和外界环境因素的复杂多变，共享单车流率和建成环境特征之间的关系很难通过具有线性假设的统计学模型来解析。基于此，本研究利用上海市中心城区的共享单车数据，基于极端梯度提升树模型（XGBoost）和机器学习的解释性方法部分依赖图（PDP）来探究建成环境对共享单车流率的贡献度和非线性影响，以及流率的非线性模式在工作日和周末的变化。结果显示，特征重要度和非线性机制在两个时段差异化显著。居住人口密度、教育设施密度和住宅设施密度对工作日单车流率的解释度较高，分别为19.18%、13.16%和12.92%，并且具有明显的阈值效应。其中居住人口密度和教育设施密度对于单车净流出率具有正向影响，分别在11 600 人/km²和8个/km²达到最大；住宅设施密度对单车净流出率具有负向影响，对应的阈值为40 个/km²。各变量对周末单车流率的解释度差异较小，但非线性关系仍不可忽视。具体来说，到市中心的距离和公交线数密度对周末单车净流入率正向影响显著，有效范围为18~23 km和28~52 条/km²；容积率对周末单车净流出率正向影响范围在0.89~1.41。上述发现表明XGBoost模型可以有效弥补传统回归模型（MLR）线性假设的偏见，建成环境特征贡献度和影响范围的揭示也为管理部门针对具有不同建成环境水平地区的单车调度提供决策建议。

为实现三元锂离子电池荷电状态（SOC）、能量状态（SOE）和健康状态（SOH）这3种主要状态的在线联合估计，并应对电动汽车实际使用工况中各种噪声干扰带来的开环累积误差问题，提高锂离子电池在线估计的稳定性，提出了一种基于双自适应扩展卡尔曼滤波（DAEKF）算法的三元锂离子电池多时间尺度主要状态在线联合估计方法。在二阶RC模型基础上推导DAEKF算法的状态空间方程，用带遗忘因子的递推最小二乘法（FFRLS）进行在线参数辨识，以微观时间尺度进行锂离子电池SOC和SOE的在线估计，以宏观时间尺度进行锂离子电池SOH的在线估计，从而实现锂离子电池3种主要状态的在线联合估计。最后，以NVR18650B型三元锂离子电池的不同运行工况对所提出的方法进行实验验证。实验结果表明：在两种验证工况下，文中方法都能够快速收敛辨识模型参数，微观时间尺度中SOC和SOE的估计误差均稳定保持在1%以内，宏观时间尺度中SOH的估计误差稳定保持在1.6%以内；与EKF算法相比，文中所提出的方法具有更高的估算精度以及更好的估计收敛性和稳定性。

目前，有关盾构隧道平行下穿既有道路的沉降预测研究相对较少。为准确预测在盾构过程中不同因素对既有平行道路沉降的影响规律，本研究提出一种基于改进粒子群优化的支持向量回归（IPSO-SVR）预测模型，将其应用于实际地铁隧道工程的地表道路沉降预测中。以长春地铁6号线下穿飞跃路区间工程为依托，结合盾构施工过程中盾构掘进参数、地层信息与道路沉降的监测，应用libsvm网格搜索法缩小超参数范围，同时结合非线性递减策略改进粒子群算法中惯性权重与加速因子的变化情况，最终建立IPSO-SVR预测模型，实现区间内后续路段的沉降预测。研究结果表明，对比网格搜索法与常规粒子群优化训练中目标函数（均方误差）的变化情况，经改进后的粒子群优化的收敛速度有较好提升，目标函数收敛效果更好，其最小值缩小近15%。本研究提出的IPSO-SVR对道路沉降预测平均绝对误差（MAE）为0.287，拟合决定系数R²为0.884，平均相对误差仅为8.91%，较反向传播（BP）神经网络、支持向量回归（SVR）、粒子群优化的支持向量回归（PSO-SVR）预测模型有更佳性能表现。由此可知，IPSO-SVR对于复杂情况下多因素耦合作用的非线性预测具有较高精度，其预测方法具有可行性与泛化性，可为道路沉降有效控制提供可靠依据，对保证道路正常运营与盾构施工安全有重要意义。

为了高效地进行道路设施信息采集与数字化建模，利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性，通过网格降采样和半径滤波精简点云规模、去除噪音点；通过栅格单元划分进行点云组织和索引，合理利用点云的空间局部性、缩减运算规模；利用道路要素在高程上的层次性与路面结构的连续性、光滑性，设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法，实现从原始点云到路面点云的精确分割；利用采集车辆的行驶轨迹信息获取道路走向，利用其方向向量与法向量进行道路横截面的划分；切取横截面后投影至二维平面，并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比，在复杂街区和郊区公路两个实验数据集，点云分割准确性均超过87%，完整性均超过97%，提取质量均超过86%，几何信息的平均相对误差较小，说明算法具有良好的提取质量。有限算力条件下，两个数据集中点云处理时间分别是6.864与10.078 s/km，几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度，在复杂街区和郊区公路环境下具有良好的适用性，可为道路设施的健康评定和三维重建提供参考。

基于混凝土材料的动力损伤特性，建立了其弹塑性损伤本构模型，将该模型应用于强震区某大断面隧道工程，分析了不同地震波入射方向、地震波强度和围岩条件下隧道结构的地震响应与动力损伤规律，探讨了大断面隧道结构的地震损伤特性和破坏机理。研究结果表明：地震波垂直、水平两种入射条件下两者衬砌的压主应力、加速度响应形态相似，但水平入射条件下衬砌结构的应力、加速度响应相较于垂直入射条件更加剧烈；水平入射时衬砌的动力损伤远大于垂直入射时的动力损伤，且动力损伤主要集中于拱腰与墙脚处；围岩条件对隧道衬砌结构的拉主应力响应以及动力损伤有显著影响，V级围岩条件下衬砌结构的最大拉应力是IV级围岩下的5.7倍；隧道结构的地震响应与动力损伤特性也受地震波强度的影响，随着地震波强度增大，应力、加速度响应峰值以及最大动力损伤量均呈现非线性增大趋势，动力损伤随之加剧且由拱腰和墙脚处逐渐向外扩展；在强震区软岩隧道抗震设计以及运营期间震后加固修复应着重注意动力损伤集中的部位。

渗流是引起土石混合填料中细颗粒流失，致使土体结构变化引起路基变形及失稳的关键因素。采用自行研发的颗粒流失试验装置，对不同级配的土石混合填料进行渗流试验，监测渗流作用下填料的透水质量、细颗粒流失量和沉降量的变化过程，分析土体结构演变过程；采用PFC^3D （Particle Flow Code in 3D）对细颗粒流失过程进行数值模拟，分析填料孔隙和粒径动态变化特性。研究结果表明：透水质量和细颗粒流失率可以反映土石混合填料结构对水分的敏感程度。填料骨架结构对水分的敏感程度越低，可及时有效地排出水分，渗流对结构的破坏越小。渗流条件下土石混合填料的结构演化过程可分为细颗粒快速流失、骨架重塑和相对稳定3个阶段，其中骨架重塑阶段是引起其结构演化的关键阶段。细颗粒快速流失阶段，每小时透水量增长速率较快，细颗粒大量流失，沉降量很小；骨架重塑阶段，每小时透水量变化速率减缓，细颗粒流失量减少，但骨架结构重组导致颗粒产生明显的相对位移，沉降量增长较快；相对稳定阶段，每小时透水量变化缓慢，沉降量基本保持不变。颗粒流失数值模拟的过程表明细颗粒组分的迁移引起填料孔隙率产生变化，致使土体结构发生改变。上述结果表明，在所研究的几种填料中，n=0.55级配下土石混合填料的骨架结构最稳定，对水分的敏感性最弱。

为了探究公共交通乘客的活动模式和规律性，文中利用北京市2020年10月份3周的公共交通智能卡数据，构建乘客多天的出行活动序列，利用PrefixSpan算法挖掘乘客的频繁活动模式序列，并基于最长公共子序列的方法定义活动模式相似性度量方法，分别计算了个体乘客日活动序列相似度和不同乘客之间的活动模式相似度，基于乘客间的相似度，利用层次聚类算法对乘客进行分类。结果表明：工作日或非工作日之内的相似度明显高于工作日与非工作日之间的相似度；在工作日中，周五与其他天的活动序列相似度较低；在不同周次的同一天，乘客的活动序列相似度更高。层次聚类结果显示，乘客有4类典型的活动模式导向，分别为娱乐购物导向、生活外出导向、工作通勤导向和个人事务外出导向，并且活动模式为工作通勤导向的乘客个体的日活动序列相似度高于其他活动模式的乘客。文中研究结果可有助于科学制定精准化的公共交通运营管理和服务政策。

为提升干线交通运行效率并减少有轨电车交叉口停车次数，建立了干线分段绿波协调优化模型，来实现有轨电车与社会车辆的多模式交通协调控制。首先，确定干线各交叉口的信号周期，根据信号周期对交叉口进行聚类，并协调交叉口信号周期与有轨电车发车间隔之间的关系，分类讨论站点位置对有轨电车绿波协调的影响；然后，针对社会车辆分段绿波系统和有轨电车全线绿波系统分别建立约束条件，避免有轨电车在交叉口处停车，并以社会车辆可变绿波带宽最大为优化目标建立混合整数线性规划模型，来对有轨电车和社会车辆多模式干线绿波系统进行协调优化；最后，以南京市有轨电车麒麟线为例对模型进行对比分析。算例结果表明：文中提出的模型协调优化了干线分段绿波内部及带间的信号控制方案，实现了有轨电车在交叉口的优先控制和社会车辆通行效益的兼顾。VISSIM仿真结果显示：与现行的信号控制方案相比，采用文中模型可使各交叉口车辆延误降低20.89%~35.24%；与仅考虑社会车辆的MULTIBAND模型相比，文中提出的模型减少了6.94%的人均延误，提高了交叉口的总体运行效率。

为了提高车辆的抗侧倾能力，设计了液压马达驱动式主动稳定杆控制系统，提出了基于粒子群优化（PSO）算法的分层控制策略。上层自抗扰控制器（ADRC）计算出整车所需反侧倾力矩，整车所需要的反侧倾力矩经过分配器分配到前后轴，下层三闭环比例-积分-微分控制器（PID）接收到所要提供的反侧倾力矩后计算出控制电流输入到伺服阀，从而驱动马达输出轴旋转并通过稳定杆产生主动力矩，实现车辆的主动防侧倾控制。为了使控制器有更好的控制效果，采用PSO算法整体优化上、下层控制，优化后的ADRC和PID参数再输入到整车模型中，为了使仿真接近实际效果，把实验测得的横向稳定杆扭转刚度也代入到模型中。在C级路面上采用蛇形和双移线工况进行仿真，通过将PSO优化的自抗扰系统与被动系统、PID控制系统和未优化的自抗扰控制系统对比进行仿真验证。仿真数据表明：侧倾角的大小直接影响车辆侧倾稳定性，采用PSO算法优化的分层控制策略能显著降低车辆的侧倾角，有效抑制过度的车身侧倾运动带来的不稳定性；主动控制的稳定杆比传统被动式稳定杆能更好地给车辆提供所需要的反侧倾力矩，提高了车辆抗侧倾能力；优化后的ADRC控制器比被动系统和未优化的ADRC控制器有更好的主动控制效果，相同工况下侧倾角更小，抗侧倾能力更强，优化后的三闭环PID响应速度更快，有更佳的跟随性能。