针对列车运行时部件振动加速度时序呈现的非线性与非平稳性，导致Informer模型预测精度不佳的问题，提出一种将选择性内核机制（Selective Kernel mechanism，SKmechanism）与Informer架构结合的选择性内核机制Informer（Selective Kernel mechanism Informer，SKInformer）模型，以实现列车部件振动加速度时序预测.首先，通过序列维度转换实现一维时序与SKmechanism的二维图卷积之间的转换，旨在应用图卷积来挖掘一维时序的空间相关性，增强不同时序间的特征表达能力；其次，通过SKmechanism对卷积进行分裂、融合与选择操作，使网络能够依据输入动态调整感受野大小，增强其对多尺度特征的适应能力；再次，将SKmechanism嵌入Informer的编码器，通过动态选择感受野，同步捕捉时序中的短期突变特征与长期趋势信息；最后，将SKmechanism嵌入Informer的解码器，自适应调整对历史序列的关注范围，提取更具判别力的局部时序表征.建立受电弓数据集消融实验与LRV4313轻轨列车数据集对比实验，对设计的预测方法进行验证，结果表明：相较于基准Informer，消融实验中学习率取0.000 1时，SKInformer在测试集上的损失值下降34.18%；在对比实验中，SKInformer最优决定系数为0.99.研究证明所提方法对列车零部件加速度时序具有更好的预测精度与鲁棒性.

轮轨廓形匹配对固定辙叉区轮轨动力性能的影响显著，运营期轮轨廓形变化会加剧轮轨动力冲击作用，影响列车运行性能.为明确车轮踏面磨耗和心轨廓形变化对辙叉区轮轨动力特性的影响规律，对磨耗车轮作用下的心轨廓形参数开展研究.首先，基于非均匀有理B样条曲线（Non-Uniform Rational B-Splines， NURBS）及车辆-轨道耦合动力学理论，提出考虑心轨廓形参数化重构的轮轨廓形动力学影响评价方法；然后，分别研究标准和磨耗车轮踏面状态下，列车通过不同心轨廓形参数辙叉时的轮轨动力特性，明确车轮廓形和心轨廓形对轮轨动力特性的影响权重，以及心轨轨顶横坡和比例系数对各轮轨动力响应的影响规律；最后，结合各方案动力响应规律完成心轨廓形参数合理选型.研究结果表明：在标准车轮踏面状态下，心轨廓形参数对轮轨相互作用力影响显著，对安全性和平稳性指标影响很小；在磨耗车轮踏面状态下，轨顶横坡对轮轨垂横向力峰值的影响较比例系数更为显著；车轮踏面廓形变化对轮轨相互作用力、脱轨系数和轮重减载率的影响权重高于心轨廓形参数，但车轮踏面廓形变化和心轨廓形参数对车体垂横向加速度影响均很小；轨顶横坡为1/20、比例系数为1/3时，各运营阶段轮轨垂横向力最大值正偏差值最小，可用于磨耗车轮踏面的心轨廓形参数设计.研究结果可为辙叉区结构设计及优化提供参考，从而进一步改善列车过岔动力性能.

针对高速列车自动驾驶过程中，传统控制方法在目标运行速度跟踪环节存在的精度较低、误差波动较大、抗干扰性能薄弱等问题，提出一种基于改进滑模-自抗扰控制（Improved Sliding Mode Active Disturbance Rejection Control，ISM-ADRC）的新型速度控制算法.首先，建立高速列车单质点模型，并采用新型非线性函数来代替传统的fal函数设计扩张状态观测器，以减小其在原点附近不平滑引起的抖振；然后，引入饱和函数设计自适应变速趋近律，将其与非奇异快速终端滑模面相结合得到滑模控制律，以削弱因滑模控制固有的不连续开关特性引起的抖振，并通过Lyapunov稳定性理论证明控制系统的稳定性；最后，根据CR400BF型动车组参数，分别在无扰动和有扰动的情况下对控制系统进行仿真验证.仿真结果表明：无论是否有外部扰动存在，高速列车的速度跟踪误差均位于-0.1~0.2 km/h范围；与传统的比例-积分-微分（Proportional Integral Derivative，PID）控制、非奇异快速终端滑模控制（Non-Singular Fast Terminal Sliding Mode Control，NFTSMC）以及滑模-线性自抗扰控制（Sliding Mode Linear Active Disturbance Rejection Control，SM-LADRC）相比，所提算法的抗干扰能力强、跟踪精度高，稳态时的速度跟踪误差相比其他3种方法分别降低了95%、89%和49%，验证了所提方法的有效性和可行性.

针对目前研究较少关注灵活编组作业时带来的安全性及舒适性问题，对比传统纵向动力学模型和考虑车厢-构架-轮对的精细纵向动力学模型，分析2种模型下灵活编组作业时的相关指标；以北京3号线为例进行初步的试验对比，分析不同联挂速度下2种仿真模型列车的位移、加速度和冲击率差异.仿真结果表明：当编组速度为3 km/h和5 km/h时，精细模型相比传统模型的列车位移分别增加52.9%和53.1%，振动加速度分别增加12.2%和20.5%；在不同坡道编组时，在下坡进行编组作业的列车位移相比上坡工况最大增加89%，反映出溜逸风险增加、作业安全性降低，但加速度降低了5%，说明乘客舒适度有一定提高.在试验线上开展的联挂试验表明：以5 km/h开展联挂作业时，精细模型的仿真结果与试验结果对比更接近，相对误差较传统模型降低了约30%，验证了精细模型在模拟真实列车联挂场景方面具有可行性.

针对高速列车在大风环境下运行安全受环境风脉动性与随机性影响的问题，开展随机风场下高速列车气动特性研究.首先，基于现场实测风速数据，构建更贴近大气紊流特征的随机风模型并验证其有效性；然后，建立高速列车在随机风与平均风两种风场下的数值分析模型，通过设置合理的物理模型、边界条件及求解器，捕捉高速列车绕流流场发展过程与气动荷载特征；最后，开展实例分析，揭示两种风场中列车表面边界层、底部流场与尾流场的演化机理，阐明不同风场对列车气动荷载的影响规律.研究结果表明：基于功率谱拟合修正的Davenport谱，结合谐波合成法生成的风速时程曲线，可有效表征随机风的脉动性与随机性；与平均风作用相比，随机风作用下列车表面边界层、底部流场、尾流及背风侧大尺度涡结构虽存在一定相似性，但流场不稳定性显著增加，流动结构波动性增强，车体周围小尺度流动结构呈现明显的不确定性；列车车身表面压力分布呈周期性变化，各车厢气动荷载出现大幅波动，且各项气动力与气动力矩的波动程度存在差异，气动力均值增幅不超过5%，而气动力最值增幅超过50%.研究成果可为复杂风环境下高速列车的气动外形优化与运行安全控制提供理论支撑，为考虑随机风场下的极端工况的列车安全设计提供参考依据.

针对岩溶发育区高速铁路路基在长期列车振动荷载作用下土体松散、变形累积乃至土洞塌陷，进而威胁线路平顺性与运营安全的问题，提出一种融合现场振动监测与三维动力数值模拟的岩溶土洞动力响应分析方法.首先，选取典型岩溶塌陷易发区高速铁路路基段开展现场振动测试，获取列车通过时土体振动加速度响应数据，进而采用时频变换方法系统分析环境振动的频谱分布与衰减特征；然后，基于多体动力学与有限元理论建立包含土洞的车辆-轨道-路基-地基三维精细化动力耦合模型，分析列车荷载作用下的路基动力响应；最后，基于数值模型开展多工况参数影响分析，揭示岩溶土洞埋深与半径对路基内部振动传播规律及动力响应分布的影响机制.研究结果表明：环境振动频率主要集中于0~35 Hz范围，其中高频分量衰减速率显著高于低频分量；土洞对列车振动引起的弹性波具有散射与阻隔作用，靠近土洞区域的竖向动位移和振动加速度幅值均明显小于远离土洞区域，且动位移幅值的衰减率高于振动加速度，表明土洞对波能的削弱作用在位移响应上表现得更为敏感；竖向动位移与振动加速度幅值随土洞埋深增加而呈增大趋势，随土洞半径增大而减小，浅埋大尺寸岩溶土洞对路基动力响应影响最大.研究成果可为岩溶区铁路路基防灾减灾设计提供参考.

准确预测沉降量对保障路基施工质量和公路长期安全运营具有重要意义.针对风积沙抗剪强度低，且用于路基填筑时易产生较大沉降变形而影响路面结构安全的问题，以G219线风积沙路段为研究对象，提出一种高精度的PSO-BP-MGM（1，n）路基沉降预测模型.首先，通过埋设监测仪器采集沉降数据作为建模样本；然后，将多变量灰色模型（Multivariable Grey Model， MGM（1，n））与粒子群优化算法（Particle Swarm Optimization，PSO）、反向传播神经网络（Back Propagation Neural Network，BP）结合，构建PSO-BP-MGM（1，n）综合预测模型，该模型以MGM（1，n）捕捉沉降趋势，并利用PSO-BP对MGM（1，n）的预测残差进行非线性修正，以弥补MGM（1，n）非线性拟合能力不足、BP神经网络小样本易过拟合的局限；最后，将该模型应用于G219线风积沙路基沉降预测.研究结果表明：PSO-BP-MGM（1，n）模型的沉降预测值与沉降实测值吻合度最高；相较MGM（1，n）模型，其最大平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）、均方根误差（Root Mean Square Error， RMSE）、误差平方和（Sum of Squared Errors，SSE）分别降低1.341%、0.528、1.817；较双曲线模型，其最大MAPE、RMSE、SSE分别降低2.21%、0.965、5.523；PSO-BP-MGM（1，n）模型的灰色绝对关联度均在0.995以上，优于MGM（1，n）模型与双曲线模型；可综合考虑各监测点的相互影响，适用于多点联合预测；PSO-BP模型对MGM（1，n）模型预测的残差进行进一步建模与修正，可有效挖掘残差序列中隐含的规律性成分，提升综合模型的预测精度，可为风积沙地区路基沉降控制及类似地质条件下的沉降预测提供参考.

针对Ⅵ级围岩隧道进洞施工极易发生涌水涌砂、支护结构变形甚至洞口塌方等病害的问题，以某单洞双向隧道施工项目为依托，提出一种竖向旋喷桩-双层管棚-交叉中隔壁（Cross Diaphragm，CRD）法进洞施工技术方案，同步构建单层管棚-中隔壁（Center Diaphragm，CD）法数值仿真对比模型.通过室内试验确定砂质黄土力学参数，并开展隧道开挖全过程施工力学仿真分析与现场测试研究.结果表明：采用梅花桩型竖向旋喷桩加固洞口边坡，搭配双层超前管棚形成复合棚护体系，可大幅提高洞口边坡整体稳定性，同时强化掌子面前方围岩预支护能力；相较原单层管棚-CD法方案，管棚承受荷载由58.54 kN降至27.29 kN，降幅达53.38%；临时支撑应力降至2.95 MPa；掌子面挤出变形由10.47 cm缩减至3.17 cm，降幅达69.72%，围岩失稳、突水坍塌风险得到显著管控；隧道开挖会诱发围岩应力重分布，极易造成支护受力陡增.CRD法遵循“快挖快支、分区成环”施工原则，能够快速闭合初期支护结构，加快围岩与支护体系应力、变形收敛，对极软岩隧道变形约束效果突出，相较原CD法工况，围岩应力由6.95 MPa降至1.55 MPa，钢拱架内力由93.94 kN降至63.74 kN，初期支护应力由5.59 MPa降至1.25 MPa，降幅达77.64%.整套联合支护体系依托竖向旋喷桩+双层管棚完成围岩立体预加固，同时CRD法开挖方式有效缩减掌子面滑移临空范围，双重作用下可充分约束掌子面挤出变形，从源头降低隧道坍塌安全风险.现场实测数据表明：联合支护措施下拱顶沉降、围岩应力、钢拱架内力峰值分别为15.76 mm、1.58 MPa、61.16 kN，支护系统整体处于安全稳定状态；数值仿真与现场测试结果具有较好一致性，验证了Ⅵ级围岩浅埋隧道竖向旋喷桩-双层管棚-CRD进洞施工技术的可靠性.

为描述土-结构接触面在剪切过程中的非线性、剪胀和软化响应，针对传统弹塑性模型需预定义屈服面、流动法则、三维拓展复杂等问题，基于Gudehus-Bauer八参数砂土亚塑性模型，建立考虑面内应力的砂土-结构接触面亚塑性本构模型.首先，将三维应力张量简化为法向应力、两个正交剪应力和面内应力构成的四维向量，相应构造应变率向量，将修正后的应力与应变率分量代入亚塑性基本方程，得到接触面状态下的线性项与非线性项表达式；其次，在此基础上编写ABAQUS用户材料子程序UMAT，实现模型的有限元数值计算；再次，将模型预测结果与筑坝用料-钢板接触面、不同密实度Hostun砂-光滑面板及Ticino砂-铝板接触面试验结果进行对比，以验证模型预测各类接触面剪切的效果；最后，以北京城市副中心站综合交通枢纽工程QZ4-D2基桩试桩为例，建立桩长68.3 m、桩径1.2 m的轴对称有限元模型.案例结果表明：荷载低于8 000 kN时模型预测沉降与实测基本一致，在高荷载下，其预测优于Mohr-Coulomb模型；16 000 kN工况下，12个深度处侧摩阻力预测与实测的平均绝对误差为9.13 kN、平均绝对百分比误差为17.2%；模型还能够合理预测桩身轴力、侧摩阻力和桩端阻力，表明其具有良好的数值可行性与工程适用性.

随着城市轨道交通快速发展，运行能耗迅速增长，提升再生制动能量利用以降低能耗成为重要研究方向.再生能利用受列车时空匹配限制，且多车同时制动易引起网压波动.尽管安装轨旁储能装置可有效解决上述问题，但现有充放电策略多基于当前车-储状态，未考虑未来协同事件对当前策略的影响.针对充放电策略前瞻性不足的问题，提出一种车-储协同利用再生能的自适应粒子群-模型预测控制双层优化方法.首先，构建考虑动态转换损耗和线路传输损耗的再生能计算模型；然后，内层设计利用协同事件触发的自适应预测窗口，采用模型预测控制算法预测未来协同事件的再生能利用情况，滚动优化储能装置充放电策略；最后，外层以内层反馈的再生能利用量为适应度函数，采用自适应粒子群算法搜索各列车最优速度曲线.基于国内某市域铁路数据开展实验验证，研究结果表明：相比于自适应粒子群+默认充放电策略，所提方法提高16.91 kWh的再生能间接利用量，减少28次充放电；预测窗口含3个放电事件时模型预测控制性能最优；单步最短和平均计算时间分别为0.001 2 s和0.027 2 s，满足在线优化需求，面对突发性运行图调整时具有良好的恢复能力.

铁路工务巡检系统性能评定依赖于大量高质量异常扣件图像，而真实异常样本获取困难，使得图像合成成为解决数据不足问题的重要手段.图像和谐化作为图像合成的关键步骤，现有扩散模型方法未充分考虑铁路巡检图像中前景扣件与背景轨面的结构差异，同时噪声预测与图像和谐化目标耦合，限制了生成图像质量.针对上述问题，提出一种基于随机微分方程（Stochastic Differential Equation，SDE）的双分支钢轨扣件图像和谐化方法.首先，采用变分自编码器（Variational Autoencoder，VAE）将输入图像映射至隐空间，在降低高分辨率图像计算开销的同时保留关键结构信息；然后，设计内容匹配注意力模块，通过建立前景扣件与背景区域之间的内容匹配关系，引导模型重点关注背景中与前景结构相似的扣件区域，抑制轨面等无关背景区域带来的干扰，提高前景与背景的视觉一致性；最后，构建由重建分支和和谐化分支组成的双分支扩散网络，其中重建分支负责学习稳定的噪声预测能力，并通过多尺度特征约束引导和谐化分支训练，缓解去噪目标与和谐化目标之间的优化冲突，进一步提升图像生成质量.在自建铁路异常扣件图像数据集上开展的实验结果表明：所提方法相比现有主流图像和谐化方法，在均方误差（Mean Squared Error，MSE）和前景均方误差（foreground Mean Squared Error，fMSE）上分别提升14.37%和8.91%，同时在峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和结构相似性指数（Structural Similarity Index Measure，SSIM）上取得最优性能.主观评价实验及下游异常扣件检测实验进一步验证了所生成图像具有较高的真实性和视觉一致性，可为铁路工务巡检系统性能评定提供高质量的数据支撑.

针对沙尘天气造成图像质量严重退化，导致计算机视觉系统鲁棒性、可靠性下降，且沙尘图像配对样本稀缺、公开标注数据集不足，制约深度学习方法应用的问题，提出一种结合改进网络与分阶段训练策略的沙尘图像复原方法.首先，将水平/垂直-强度（Horizontal/Vertical-Intensity， HVI）颜色空间扩展为融入沙尘维度的水平/垂直-强度-沙尘（Horizontal/Vertical-Intensity Dust， HVID）颜色空间，通过色偏校正与颜色调节机制精准表征沙尘退化特征；其次，改进色彩与强度解耦网络（Color and Intensity Decoupling Network， CIDNet）的主干结构，引入稀疏嵌套跳跃连接（Sparse Nested Skip Connections， SNSC）与双向耦合交互模块（Bidirectional Coupled Interaction Module， BCIM），构建双向耦合交互网络（Bidirectional Coupled Interaction Module Network，BCIMNet），以强化跨尺度特征融合与空间-通道协同表达能力；再次，在训练阶段基于合成样本构建训练对，设计先验引导的伪标签分阶段学习框架，借助传统方法与改进网络逐步生成伪标签，实现合成域到真实域的跨域适应；最后，在推理阶段结合HVI先验的轻量化后处理，缓解伪标签带来的潜在色彩偏置.研究结果表明：所提方法在真实沙尘图像清晰化任务中显著优于现有主流方法；相比基础模型水平/垂直-强度色彩与强度解耦网络（Horizontal/Vertical-Intensity Color and Intensity Decoupling Network， HVI-CIDNet），自然图像质量评估器（Natural Image Quality Evaluator， NIQE）、感知图像质量评估器（Perception based Image Quality Evaluator， PIQE）与无参考图像空间质量评估器（Blind/Referenceless Image Spatial Quality Evaluator， BRISQUE）的优化幅度分别达到55.8%、47.9%和46.1%.该方法可为沙尘场景下的图像增强与高层视觉任务的完成提供有效的技术支撑.

以公共交通为导向的发展模式（Transit-Oriented Development，TOD）推动了地铁上盖综合体建设，提高了城市空间利用率，但地铁运行荷载易向上部建筑传播，引发楼板振动放大和居住舒适度下降.早期既有上盖综合体多未设柱底隔振支座，且后期改造受结构、空间、施工及运维条件限制，可采用的减振措施较为有限.针对地铁振动引发既有建筑振动超标问题，以带斜杆式桁架转换层的地铁上盖既有综合体为研究对象，建立土体-隧道-建筑全系统三维有限元模型，并结合实测资料及既有文献结果对建模方法进行验证；在此基础上，提出增设钢弹簧浮置地板和弹性支撑2种后置减振措施，采用加速度时程响应、1/3倍频程振级及相关振动控制标准评价减振效果，同时通过动力弹塑性分析探讨减振改造对既有综合体抗震性能的影响.结果表明：原始结构上部住宅部分存在局部楼层振级超限现象，需采取针对性减振设计；钢弹簧浮置地板措施与弹性支撑措施均可有效降低结构竖向振动响应，改善上部住宅人群舒适度，且未削弱原结构在地震作用下的整体抗震性能.综合减振效果、经济性、施工可实施性及既有建筑空间条件，建议钢弹簧浮置板优先安装在既有综合体上部建筑首层，浮置板厚度宜控制在100~150 mm；弹性支撑措施的体系目标自振频率宜取3～5 Hz.研究成果可为带桁架转换层既有地铁上盖综合体的振动治理、减振方案比选及振震双控改造设计提供参考.

真空管高速列车能以超过1 000 km/h的超高速度在受限的狭长管道中行驶.针对狭长真空管环境的密闭性和列车高速运行的非平稳性，提出一种基于几何随机建模方法（Geometry-Based Stochastic Model，GBSM），并引入一种菲涅尔区的聚类判断机制，用于分析真空管列车到地面的无线通信信道特性.首先，针对受限狭长管道特殊形状，设定几何框架，建立三维直角坐标系；其次，利用GBSM方法将该信道进行几何表征；再次，基于菲涅尔区约束判定有效散射簇，获得到达方位角与到达仰角的统计分布规律；最后，推导信道冲激响应（Channel Impulse Response，CIR）、多普勒频移以及信道时空相关函数，包括空间互相关函数（Cross-Correlation Function，CCF）和时间自相关函数（Auto-Correlation Function， ACF），并分析其时频空域相干特性.仿真结果表明：真空管密闭狭长结构带来强烈波导反射效应，致使管道内不同收发链路信道时空相关性极强，ACF稳定维持在0.967 1以上，CCF存在多处高相关峰值，多链路间信道耦合程度显著偏高，为真空管高速列车车地通信的天线布局与时频同步算法设计提供工程应用价值.

为提升网联交通环境下交叉口人机混合交通流的运行效率，缓解网联自动驾驶车（Connected and Automated Vehicle，CAV）与网联人工驾驶车（Connected Human-driven Vehicle，CHV）混行所引发的交通冲突，提出一种基于预信号的人机混合驾驶车流分离控制方法.首先，在交叉口进口道设置CAV专用车道、第二停车线、预信号及排队区，通过协调主信号与预信号的启闭时序，引导CAV优先进入主停车线前排队，实现CAV与CHV在时空上的分离排序；然后，以交叉口车均延误最小为优化目标，综合考虑信号周期、绿灯时长、车辆速度与加速度、跟驰安全距离、变道路径及主预信号协调约束，构建车辆轨迹与信号配时联合优化模型，并采用粒子群优化（Particle Swarm Optimization，PSO）算法进行求解，同时利用五次贝塞尔曲线规划CAV变道路径；最后，基于MATLAB开展不同交通需求条件下的仿真实验，并与定时信号控制、先到先服务（First In First Out，FIFO）策略及相位连续型排阵式交叉口（Phase Continuous Tandem Intersection，PCTI）控制方法进行对比.结果表明：在高流量条件下，所提方法相较于FIFO和PCTI的车均延误分别降低28.27%和19.4%，并可有效减少高风险变道状态、改善车辆停车特性.敏感性分析结果表明：CAV渗透率、排队区长度及通信延迟均对控制效果具有显著影响；CAV渗透率与车均延误呈非线性关系，排队区长度应根据交通需求动态设置，较低的通信延迟更有利于发挥CAV协同控制优势.研究成果可为人机混合交通环境下交叉口精细化组织与协同控制提供理论依据和技术支撑.

针对快速路合流区网联自动驾驶车辆（Connected and Automated Vehicles，CAV）与人工驾驶车辆（Human-Driven Vehicles，HDV）混合交通流在对抗性扰动下的脆弱性与非线性特征问题，提出一种基于风险势能谱聚类（Risk Potential-Driven Spectral Clustering，SC-Risk）的异构协同牵制控制方法.首先，基于信息物理系统（Cyber-Physical Systems，CPS）视角与复合风险场理论，构建风险驱动的车辆群体动态网络模型，量化节点间的非对称风险耦合强度；然后，改进传统谱聚类算法，提出最大风险势能覆盖策略，通过特征空间映射辨识高传播风险的致因节点，将其作为牵制节点；最后，构建“决斗深度Q网络（Dueling Deep Q-Network，Dueling DQN）领航+协同自适应巡航控制（Cooperative Adaptive Cruise Control，CACC）跟随”的异构分层控制协议，牵制节点利用强化学习执行防御决策阻断风险源，跟随节点采用CACC维持队形稳定性.研究结果表明：该策略将车队同步率提升至0.877 3，速度震荡指数降至3.55；通过主动截断交通激波的逆向传播，使拥堵时空影响域面积缩减73.3%，延误指数从2.54降至1.21，实现了合流区混合交通流的主动风险防控与协同优化.

针对城市路网交通流量难以精准预测的现实问题，提出一种基于多因素融合时空图卷积网络（Multi-factor Fusion Spatio-temporal Graph Convolutional Network， MFSGCN）的交通流量预测模型，将长期趋势、短期瞬态、周期性与时变外部因素在统一的空间图卷积框架中融合.首先，MFSGCN利用图卷积神经网络（Graph Convolutional Networks， GCN）有效捕捉交通网络中的时空依赖关系，实现空间维度上的建模；其次，MFSGCN融合动态邻接矩阵，自适应学习随时间变化的交通网络动态特征；再次，MFSGCN基于多头自注意力机制融合长期特征、短期特征、周期性特征与时变特征，有效捕捉高影响阶段的交通流量变化；最后，在METR-LA、PEMS-BAY和PEMS04数据集上进行广泛实验，验证MFSGCN的有效性和合理性.研究结果表明：MFSGCN的均方根误差（Root Mean Square Error，RMSE）和平均绝对误差（Mean Absolute Error，MAE）指标明显优于时空Transformer网络（Spatial-temporal Transformer Network，STN）、双重动态时空图卷积网络（Dual Dynamic Spatial-temporal Graph Convolution Network，DDSGCN）、域对抗图神经网络（Domain Adversarial Graph Neural Network，DAGNN）等对比模型，在15 min的预测任务中，RMSE指标结果误差最高降低了1.11， 60 min长时间预测任务中，RMSE指标结果降低了1.6.研究成果可以为城市交通管理与交通信号优化提供参考.

针对自动泊车系统在复杂环境下对车位感知能力的实际需求，以及现有端到端停车位检测方法在结构完整性建模和鲁棒性方面的不足，提出一种基于稀疏关键点检测和结构匹配的端到端停车位检测方法.该方法以车位关键点为基础构建双分支结构，同时完成关键点定位与匹配关系预测.首先，为提升模型对模糊区域及难匹配样本的识别能力，采用稀疏配对聚焦损失（Sparse Pairwise Focal Loss，SPF-Loss）与点位回归损失，分别从结构约束与几何精度两个方面对训练过程进行优化；然后，为增强模型的结构表达能力与环境适应性，引入结构感知CutMix（Structure-Aware CutMix，SA-CutMix）数据增强策略与注意力引导插值（Attention-Guided Interpolation，AGI）模块，以提升模型在遮挡、阴影、低光照等干扰条件下的检测稳定性；最后，在公开数据集ps2.0与自主构建的真实场景数据集CRPS-D上开展充分实验以验证所提方法的有效性.研究结果表明：所提方法在ps2.0数据集上达到99.37%的精确率和99.47%的召回率，与主流方法性能持平；在更具挑战性的CRPS-D数据集上，平均精确率（Average Precision，AP）相比现有方法提升3.47%~4.56%；多个典型复杂场景下的验证结果进一步证明方法的适应性与鲁棒性，消融实验也证实各模块的有效性，研究可为复杂环境下自动泊车系统的车位视觉感知提供可参考的技术路径.