针对自动驾驶、工业互联网等新兴应用对网络时延、可靠性及智能化的高标准需求，分析了传统网络架构在异构资源融合、业务适配、智能决策等方面的局限性，提出了以“三层三域”为核心的智算融合网络架构，并探讨了智算融合网络在异构网络深度融合、算力资源调度与网络原生智能等方向的发展前景.研究结果表明：提出的智算融合网络架构能够通过资源统一表征、算网需求解析与资源敏捷调度等关键技术，支持从“被动连接”到“主动服务”的范式转变，实现算力与网络的全面协同.研究成果可以为构建智能、高效、可靠的新型网络基础设施提供理论参考与技术路径.

随着我国轨道交通网络规模的不断扩大和运行环境的日益复杂，既有的自动化列车运行控制系统在运营效率提升、环境适应性增强等方面面临多样化挑战，难以满足更高密度运行和复杂动态环境下的安全高效运行需求.轨道交通自主运行控制技术有望通过融合感知、低时延高可靠通信、列车自主运行控制和智能调度实现列车在复杂环境下的安全高效运行，助力轨道交通的智能化发展.本文围绕轨道交通自主运行控制技术展开综述，首先，总结了国内外在该领域的研究与应用进展，分析了自主运行的内涵，比较了船舶、道路交通与轨道交通领域的自主概念，系统梳理了由融合感知、低时延高可靠通信、复杂环境下的列车自主运行控制以及列车运行智能调度组成的轨道交通自主运行关键技术体系；其次，分析了自主运行控制关键技术在轨道交通领域的应用与发展前景，并结合典型案例对其应用实践进行了探讨；最后，总结了自主运行控制在实际应用中面临的瓶颈与挑战，展望了未来的发展方向.研究成果可以为轨道交通自主运行控制的理论研究与工程实践提供系统化参考与支撑.

随着铁路系统智能化发展的不断演进，以北斗时空信息为基础的新型铁路应用备受关注，目前缺乏与具体应用相适配的铁路专用测试体系，难以满足基于北斗的铁路系统全生命周期需求.针对这一问题，本文专注于探讨面向北斗铁路应用开展专用测试评估的需求与发展潜力，探索如何针对铁路行业特殊性，利用有效机制建设专用测试仪器及系统环境，满足基于北斗的铁路系统全生命周期需求.首先，调研总结了现有相关工作，提出了铁路专用北斗定位测试的发展需求与愿景；其次，以“零现场测试”为核心，构建了一套完整的铁路专用北斗定位测试系统总体架构，采用模块化思想与互联协同机制构建一种兼顾北斗卫星定位常规测试范式与铁路行业应用特征的新路径；再次，以特定类型列车运行控制系统的列车定位单元为受测对象实例，介绍了专用测试系统的搭建及测试实施情况；最后，分析归纳了面向逐步发展的北斗铁路应用提供全面、可信的测试评估可能面临的研究挑战，给出了应对思路.研究结果表明：所构建铁路专用北斗定位测试体系能够有效提升测试覆盖度、灵活性、适配性与兼容性，为北斗在铁路行业的深度应用提供有力支撑.

随着我国高速铁路系统的持续扩展与技术升级，其运行环境中的电磁复杂性显著提升，尤其是外部强电磁干扰源的频繁出现，给系统的稳定运行带来了前所未有的安全隐患.传统以提升设备抗扰度为核心的电磁兼容技术体系，在面对系统外部随机强电磁干扰时表现出响应滞后、适应性差等局限，难以满足当前对系统功能稳定性、任务连续性及快速恢复能力的高要求.针对这些问题，本文系统梳理了我国在高速铁路电磁兼容领域的研究现状，重点分析了干扰源建模、耦合路径识别、关键设备抗干扰性能评估与系统级防护策略等核心技术内容.在此基础上，提出构建以“列车控制能力保持”为核心目标的电磁安全研究框架，旨在实现从“被动抗扰”向“智能防御、自主恢复”的转型，该框架涵盖干扰智能识别与感知、多物理场耦合网络建模、电磁干扰风险传播机理、主动防护技术与试验验证等关键环节.研究结果表明，电磁安全作为对传统电磁兼容体系的拓展，是保障我国高速铁路系统在复杂电磁环境下实现高安全、高可靠运行的关键路径.研究成果可为面向未来的高速铁路系统电磁防护设计与工程应用提供理论依据与技术参考.

动态交通场景因目标动态交互、环境剧烈变化及多传感器异构数据等复杂要素，对智能系统的感知鲁棒性与决策可靠性提出极高要求.多模态学习通过融合视觉、射频、声学等异构数据可实现信息互补，成为突破动态场景理解瓶颈的核心技术.本文针对面向动态交通场景的多模态鲁棒学习技术进行系统研究.首先，界定多模态动态交通场景的定义与内涵，分析光学、射频、声学等多源数据的类型及动态性特征；其次，阐述多模态学习基础，重点剖析数据层面、模型架构及训练策略的鲁棒增强关键技术；最后，深入探讨当前多模态学习面临的核心挑战及未来研究方向.研究结果表明：目前动态交通场景的多模态鲁棒学习仍存在数据缺陷、模型局限及评估基准缺失等关键问题有待解决，并且未来可能沿着技术创新、技术融合与产业协同等方面进行发展.本文旨在为动态交通场景下多模态鲁棒学习的理论研究与工程实践提供系统性参考，推动智能交通系统从“有限场景可用”向“全工况可靠”演进，为智能交通技术大规模实践应用提供关键技术支撑.

视觉智能作为人工智能的核心分支，旨在赋予机器类人视觉的理解与交互能力.本文首先系统性地梳理了自2012年深度学习在计算机视觉领域取得重大突破以来，现代视觉智能所经历的4个环环相扣、层层递进的演进阶段：第一阶段，以AlexNet、VGGNet、ResNet为代表的监督学习范式，在ImageNet规模标注数据集的驱动下，神经网络于封闭域特定任务（如图像分类、目标检测）上取得了突破性进展，但其对标注数据的严重依赖催生了后续变革；第二阶段，以MoCo、DINO、MAE等模型代表的自监督学习兴起，通过对比、蒸馏、掩码重构等方法，从海量无标签数据中学习到了强大的通用视觉表征；第三阶段，基于强大的视觉基础，视觉智能与自然语言处理深度融合，以CLIP、GPT-4V为代表的多模态模型实现了从“识别”到“理解”的飞跃，能够处理开放词汇的视觉概念，并向像素级、意图导向的精细化推理演进；第四阶段，即当前的前沿领域——世界模型，其目标不再局限于理解与描述，而是构建能够模拟、预测物理世界的内部生成模型（如Sora），为实现与真实世界交互的具身智能奠定基础.预测物理世界的内部生成模型（如Sora），为实现与真实世界交互的具身智能奠定基础.这一从对世界的判别式理解到生成式模拟的深刻转变，标志着一个新的领域共识正在形成：生成式建模正成为新的深度学习.然后遵循此发展脉络，深入剖析各阶段核心思想、关键模型与技术范式，揭示其内在的演进逻辑.最后深入探讨视觉智能面临的鲁棒性、推理能力、泛化性等挑战.

针对路上突发障碍物下自动驾驶车辆换道避障问题，提出基于深度强化学习（Deep Reinforcement Learning，DRL）的车辆控制算法SafeLC-DelayDDPG.首先，将该问题建模为马尔可夫决策过程（Markov Decision Process，MDP），构建了结构化混合状态空间，融合局部观测、车道语义信息和自车全局状态，提高环境感知与风险敏感性.动作空间采用连续的前轮转向角与纵向加速度.奖励函数以二维碰撞时间（Two-dimensional time-to-collision，2D-TTC）指标为核心，兼顾安全、效率、舒适和规则，并采用条件化动态权重机制，引导策略在高风险时优先安全、在低风险时提升效率.然后，引入延迟策略更新与目标策略平滑机制，改进Critic网络损失函数，缓解深度确定性策略梯度（Deep Deterministic Policy Gradient，DDPG）算法训练不稳定及Q值过估计问题.最后，通过不同场景下的交通仿真验证了所提方法的有效性.仿真结果表明：与多个基线算法相比，该算法安全性与效率更优，训练期首次和连续避障成功率分别最多提升约17.9%和60.5%，安全性指标值最多提升约7.6%，平均速度最多提升约2.1%；在不同场景测试中，首次和连续避障成功率分别最多提升约25.9%和44.1%，安全性指标值最多提升约9.8%，平均速度最多提升约0.6%.

为揭示地铁运营突发中断下滞留乘客出行方式选择机制，明确关键情境因素的影响，基于情境模拟与陈述性偏好调查（Stated Preference， SP）构建考虑方式自身属性的基准多项Logit模型，采用逐步效用修正方法，量化预计恢复时间、天气、出行时间与目的、剩余行程距离、人群条件及绕行线路可用性对乘客决策影响强度与作用模式，并结合似然比检验（Likelihood Ratio Test， LRT）、赤池信息准则（Akaike Information Criterion， AIC）、贝叶斯信息准则（Bayesian Information Criterion， BIC）与预测误差率评估模型改进效果.研究结果表明：乘客决策表现出强烈的情境依赖与风险厌恶特征；各情境因素作用强度显著不同，其中预计恢复时间影响最大（LR=183.98，预测误差下降1.94%），天气条件次之（LR=102.63，误差下降1.16%），出行目的与剩余行程距离也存在一定影响，周围人群行为与绕行线路可用性则未表现出显著影响；对各公共交通方式的偏好变化具有相似性；而原地等待作为被动选项虽有相当选取率，但在系统风险与情境风险叠加时显著降低；不同交通方式对情境因素敏感度差异明显，确定性高、风险低的方式在突发情境中更具吸引力.

铁路运输生产系统的转型升级，是当前铁路运输企业向现代物流企业转型过程中所面临的核心问题与关键挑战.为支持面向现代物流的铁路运输生产系统构建，首先，围绕系统顶层设计、理论架构、关键技术与实施评价指标体系等核心内容展开分析；然后，针对新体系构建中需要突破的关键科学技术问题进行探讨，提出面向现代物流的铁路运输生产系统关键技术架构；最后，基于该架构设计了可实现优化、评估与仿真功能的铁路生产组织仿真原型系统，以验证所提出理论框架与技术路径的可行性与有效性.研究表明：论文工作对提升铁路物流运营效率、服务品质及推动运输生产转型发展具有一定的理论参考价值和实践意义；所研发的原型系统可为后续系统优化与工程应用提供可复用的开发范式与决策支持工具.

针对城市轨道交通节能运行优化问题，现有研究可沿经典方法与新技术驱动两条主线加以归纳.本文回顾了列车速度曲线优化、列车时刻表优化及二者协同优化等经典方法，并进一步总结了新技术驱动下的研究进展，从供能、控制与运营3个方面阐述了新兴技术对节能运行的推动与挑战：在供能层面，推进“源-网-储-车”一体化，开展可逆变流、储能与可再生能源接入的联合调度，实现能流时移与峰值抑制；在控制层面，列车自主运行与虚拟编组使节能问题转向了多点协同下的动态视角；在运营层面，通过跨线直通、多交路分段与灵活编组等策略升级运能供给模式，减少低效牵引.研究结果表明：经典方法已形成成熟的建模与求解框架，能够在保障安全服务的前提下降低能耗并抑制功率峰值，而新技术驱动的方法则突破了列车层面的离线优化范式，推动研究向涵盖供能、控制与运营的系统级协同演进.未来研究的重点在于构建统一的基准与评测体系，并推动多层次的协同优化与综合集成等.

针对当前城轨交通牵引能耗的优化与控制研究多集中单系统的局部改进、难以协调系统间耦合关联实现全局能效最优的问题，提出供电、车辆、行车等多系统协同综合优化方法.通过解析牵引能耗流通路径与决策变量互依赖关系，构建四层全局优化框架：第一层为根据给定区间运行时间进行单车驾驶曲线优化，寻找满足准时、舒适、区间限速等约束条件下的能耗最小列车驾驶曲线；第二层为站间运行时间优化，通过调整列车在每两个相邻车站之间的运行时间，寻找满足列车全周转时间等于给定值且全线路运行能耗最低的最优站间运行时间；第三层为多车节能时刻表运行优化，以多车系统节能为优化目标，优化发车间隔与停站时间，通过多车协同降低总牵引能耗并平衡乘客平均等待时间；第四层为储能与逆变装置阈值优化，基于前三层的列车调度与控制优化结果，为实现储能与逆变装置更精细化的再生能量利用，采用基于网压的控制策略，优化储能与逆变装置阈值.通过实际线路条件进行仿真研究.研究结果表明：采用全局优化后系统牵引能耗降低13.24%，乘客平均等待时间仅增12 s，验证了所提出的耦合节能优化方法的有效性.研究结果可为城轨交通牵引能耗的综合优化与控制提供理论依据.

针对当前我国道路移动源污染物与碳排放特征时空异质、模式多样化所带来的精准治理挑战，通过机器学习方法构建道路移动源污染物与碳排放特征、驱动因素及减排路径研究框架.首先，集成多源数据信息构建交通-碳-环境数据集，分析道路移动源污染物与碳排放的时空分布特征；然后，建立多元知识约束的非负矩阵分解模型，识别污染物与碳排放模式及其驱动因素；最后，建立多模式集成的多元线性回归模型，分析有效的减污降碳路径.研究结果表明：近年来道路移动源排放颗粒物呈减少趋势，碳排放持续增长，且NO _x 、CO和VOCs排放仍显著；目前我国道路移动源污碳排放存在3种主要模式，碳-颗粒物减排模式分布在边境和沿海，受公路客运、货运及公路行驶里程影响（37.2%），污染物减排模式分布在北京市、天津市、广东省等，受交通生产总值影响（30.1%），碳-氮氧化物污染模式分布在中西部，受铁路及其电气化、小型运输载具等多因素影响（23.6%）；通过分析减排路径可知，加快交通运输行业经济发展对减排最显著，至多使CO₂与NO _x 减排6.7%和4.5%，加快交通能源结构调整、减少公路货运及行驶里程、发展“公转铁”及铁路电气化对减排也较为显著.所提出的研究框架为“双碳”背景下道路移动源减污降碳提供定量评估和策略支持.

针对轨道交通基础设施传统人工巡检方式效率低、安全性差、既有轨道依附型检测装备仍受限于维修天窗，存在巡检盲区且覆盖范围有限等问题，构建了“端-边-云-监”一体化的轨道交通自主无人机智能巡检体系框架.首先，端侧融合可见光、红外、激光雷达等多源感知与视觉-惯性等状态估计，形成自主感知与任务级导航能力；其次，边侧构建超视距稳定通信与安全高效的数据传输机制，并部署轻量化机载推理以实现缺陷与风险隐患的实时检测；最后，云侧与低空监视开展跨场景多目标的巡检应用与全局数据分析，建立“协作监视+非协作监视”的低空监视体系以保障全流程合规与安全.研究结果表明，本文系统凝练了轨道交通场景的独有难点与特性，从全链路视角统一轨道交通无人机巡检场景下的“端-边-云-监”框架，为未来自主无人机在轨道交通巡检领域的发展应用提供通用框架与借鉴参考.

现有高速铁路无砟轨道施工质量评价方法多基于传统施工流程建立，随着无砟轨道施工逐渐向智能化方向发展，既有评价方法已难以满足无砟轨道智能施工质量评价的要求.本文以CRTS Ⅲ型板式无砟轨道施工为例，分析了智能施工工艺的质量关键因素，构建了评价指标体系，基于层次分析法和物元可拓评价理论建立了无砟轨道智能施工质量综合评价模型，并以某高铁智能施工试验段开展了现场试验验证.结果表明：本文建立的模型可以客观地评价无砟轨道智能施工质量，与传统工艺相比，指导的智能施工工艺良好率提高32%；在CRTS Ⅲ型板式无砟轨道智能施工中，轨道板施工质量最为重要，自密实混凝土施工质量次之，底座板施工质量影响最小.研究成果可为高速铁路CRTS Ⅲ型板式无砟轨道智能施工质量提供评判依据，为我国高速铁路无砟轨道施工质量管理提供参考.

为揭示高温环境下简支梁桥上CRTS Ⅲ型板式无砟轨道无缝线路温度场与温度应力变化规律，采用间接热-应力耦合分析方法，建立热-无砟轨道无缝线路结构耦合系统有限元分析模型，分析高温环境下温度场的分布及变化规律，并对高温环境下轨道结构层间纵向力/应力与位移分布规律进行分析.结果表明：无砟轨道各结构层温度随气温呈现波浪式变化；一日之中，轨道结构最高温53.1 ℃和最低温26.4 ℃均出现在轨道板顶部，各轨道结构温度时程曲线幅度随轨道结构垂向深度的增大而减小，温度峰值出现的时间具有滞后性；夏季高温状态下，轨道板温度梯度在约11：00、21：00接近于零，在15：00正温度梯度达到峰值85.5 ℃/m，凌晨3：00负温度梯度达到峰值-43.8 ℃/m，轨道结构深度逐渐增大时，温度梯度会逐渐减小；单日高温条件下，每日18：00前后钢轨纵向力与轨道结构位移达到最大值，为最不利状态，每日14：00~16：00轨道板与自密实混凝土层纵向应力达到最大值.研究结果可为夏季高温地区对轨道结构的监测与养护提供理论参考.

针对铁路信号系统站场图图纸信息难以提取的问题，提出一种基于YOLO11改进的站场图图元检测模型YOLO11-AT，通过构建融合目标检测与关键点检测的检测模型，实现了图元检测与关键点的自动提取.首先，在颈部网络部分引入了注意力尺度序列融合（Attentional Scale Sequence Fusion，ASF）模块，融合不同尺度的特征，增强模型对小目标的检测性能；其次，在检测头部分采用了任务对齐动态检测头（Task Align Dynamic Detect Head，TADDH），通过任务对齐机制改善分类任务和定位任务之间的特征交互，减少特征冲突，提高密集目标检测精度；最后，采用切片辅助超推理（Slicing Aided Hyper Inference，SAHI）技术提高模型在高分辨率站场图像上的检测精度.在构建的多样式站场图数据集上，对提出的方法进行实验验证.实验结果表明：相较于YOLO11s-pose，YOLO11-AT在精确率、召回率、mAP0.5和mAP0.5-kp分别提升了9%、2.2%、4.2%和3.2%，同时参数量下降了4.3%；与现有主流检测模型相比，YOLO11-AT在检测精度与效率之间取得了更优的平衡；研究结果能够适应多种样式的站场图，可以满足实际应用的需求，为站场图图纸的自动化信息提取提供了一种可行的解决方案.

针对铁路轨道异物侵限检测精度偏低、速度偏慢、易出现漏检与误检的问题，提出一种基于浅层特征融合的轻量级铁轨异物侵限检测算法（YOLO Lightweight and Shallow-feature Fusion， YOLO-LSF）.首先，结合YOLOv8n特征提取网络，基于GhostConv改进C2f模块以构建C2f_Ghost模块，从而降低模型的参数量和计算量；其次，在骨干网络尾端引入MLCA注意力机制，增强目标区域的特征信息，优化模型的特征提取效率；再次，利用可变形卷积DCNv2替换YOLOv8n中C2f模块的部分普通卷积，构建了C2f_DCNv2模块，增强模型的特征提取能力；最后，在颈部网络中融入主干网络中的浅层特征信息，较好地解决了经多次卷积操作所导致的细节信息丢失问题，以提升模型对远距离异物（小目标）的检测能力.实验结果表明： 在自建的铁轨异物入侵检测数据集上，相比于原YOLOv8n算法，采用YOLO-LSF算法处理的平均精度提升了5.2%，每秒帧数（Frames Per Second， FPS）提升了3.37%，参数量减少了20.1%，计算量减少了22.2%，有效提升了复杂环境下铁轨异物目标的检测精度与检测速度，降低了漏检与误检的概率.