行人激励载荷下大跨径异形天桥抗震支座设计研究

为了解决抗震支座弯矩受到行人不确定激励载荷影响，出现参量获取不全面的现象，导致支座抗震效果不佳这一问题，进行了行人激励载荷下大跨径异形天桥抗震支座设计研究。首先，考虑到行人对桥梁激励的不确定性，设置了多种载荷激励类型，并提出利用区间过程法来描述桥上行人的不确定激励，使用自相关系数函数分析在行人激励载荷作用下的桥梁非随机振动情况；其次，利用有限元软件中的单元构造了抗震支座模型，并对桥梁位移、桥墩弯矩、桩基弯矩进行数值模拟；最后，将支座参量数值模拟结果代入有限元模型中，设计出一种双曲面球抗震支座结构。结果表明，设计的支座在慢跑、快跑情况下纵向弯矩与实际数据之间的最大误差分别为25 k N·m、250 k N·m，横向弯矩与实际数据一致，说明根据数值模拟结果设计的支座能够起到良好减震效果。     

基于改进门控上下文聚合网络的雾天实时行人检测方法

针对自动驾驶车辆在雾天情况下易将行人误检和漏检的问题，提出一种基于改进GCANet除雾网络和CenterNet检测网络相结合、有效进行雾天行人识别的联合检测方法。该方法在GCANet中引入结合底层细节和全局结构的复合损失函数，优化除雾图的结构细节及图像质量；并将改进的GCANet除雾算法应用于检测算法的训练图像预处理中，最后送入CenterNet网络训练。试验结果显示，本文提出的方法在合成雾天数据集Foggy Citypersons上的平均对数漏检率MR-2值达到9.65，在真实雾天数据集RTTS上的平均精度AP50值达到86.11，降低了雾天场景下行人的漏检和误检情况，有效提升了检测网络在雾天条件下的泛化能力。     

机动车行人保护发射装置研究

本文以行人保护测试系统发射装置为研究对象，采用高速液压弹射控制技术，分别阐述了发射装置的构成、高速液压缸的结构设计、高速液压发射的控制原理及电气控制系统。最后通过对各种冲击模型的实际测试进行了验证，结果表明：其发射速度稳定、准确、可靠，达到了试验要求。该装置可缓解目前国内行人保护测试设备主要依赖进口的局面，形成了采用高速液压缸进行行人保护试验测试设备的专有技术。     

行人碰撞事故中颈部肌肉主动力对头部损伤的影响

本文旨在研究不同碰撞速度和行人步态条件下颈部肌肉主动力对行人头部损伤的影响。首先，采用湖南大学头颈HHNM-Ⅲ模型，取代LSTC假人模型头颈部分，构成行人混合假人模型并运用尸体实验数据验证该混合模型的有效性。然后运用该模型进行仿真，以分析不同碰撞速度下，撞击侧腿后摆和撞击侧腿前迈两种行人步态对行人头部损伤的影响。结果表明：在低速碰撞下，颈部肌肉会降低头部的运动幅度，但会使头部损伤风险增大；撞击侧腿后摆步态下的行人头部损伤比撞击侧腿前迈的步态严重；在高速碰撞条件下，颈肌对头部损伤的影响较小。     

基于Euro NCAP典型工况的儿童行人下肢损伤评估方法研究

本文中采用Euro NCAP行人模型认证（TB024）中给出的FCR、MPV、RDS、SUV 4种典型汽车前端结构有限元模型，以及具有详细解剖学结构特征的6岁儿童行人有限元模型来模拟汽车-行人碰撞事故，分析典型工况下汽车前端结构参数对儿童行人下肢损伤的影响。结果表明，RDS车型由于机盖前沿离地间距较小，儿童行人撞击侧股骨大转子位置出现骨折现象；MPV和SUV车型由于扰流板离地间隙较大，对下肢胫骨、腓骨和膝关节韧带的损伤更为严重。最后，基于仿真结果提出了6岁儿童下肢长骨损伤的截面弯矩评价参数，为儿童腿型冲击器研发和数字测评提供参考。     

行人-车辆碰撞中六岁儿童下肢损伤分析及预测

为揭示汽车-行人碰撞事故中车辆前端结构和速度对儿童行人下肢损伤的差异成因及损伤机理，本研究应用符合我国体征且具有详细解剖学结构的六岁儿童行人损伤仿生模型（TUST IBMs 6YO-P），设置了32组涵盖4类常见车型和8种碰撞速度的汽车-行人碰撞仿真，分析下肢运动学和生物力学响应，采用非线性回归建立预测模型对下肢损伤进行评估。结果表明，碰撞速度对儿童下肢长骨骨折和膝关节损伤有直接影响，汽车前保险杠高度影响股骨的损伤程度和膝关节弯曲角度，扰流板离地高度影响胫、腓骨损伤的严重程度。分析膝关节弯曲角度和韧带断裂数据，得出当膝关节弯曲角度分别超出25.9±0.9°、38.6±0.7°、43.2±0.2°时，撞击侧内侧副韧带（MCL）、前交叉韧带（ACL）、后交叉韧带（PCL）发生断裂，基于碰撞速度和前保险杠高度建立的膝关节弯曲角度预测模型，经反求验证该模型可以有效预测膝关节损伤。综合儿童行人下肢长骨骨折评价参数和所建立的小腿弯矩预测模型，发现碰撞速度高于17.94 km/h将会造成儿童小腿骨折。该研究为行人安全法规制定、行人保护装置研发、AEB系统设计和数字化测评提供科学的参考依据。     

建成环境对行人交通事故严重程度的非线性影响

为探索建成环境对行人交通事故的影响并为行人事故预防提供理论依据，本文以建成环境“5D”要素为基础，围绕土地利用、城市设计和交通系统这3个维度构建昼夜建成环境指标体系，基于轻度梯度提升机构建昼-夜间行人交通事故严重程度模型，探究城市建成环境对行人交通事故严重程度的影响机制，结合SHAP(Shapley Additive Explanation)归因分析方法揭示两者之间的非线性关系，并以深圳市为例进行实证分析。结果表明：建成环境对行人交通事故的影响效应存在显著的时段异质性；昼间行人交通事故严重程度主要受人行道可达性、地铁站可达性及学校邻近度等因素的影响；夜间行人交通事故严重程度主要受人行道可达性、娱乐兴趣点(POI)指标及道路照明条件等因素的影响。建成环境对行人交通事故严重程度存在显著的非线性影响。昼间时段学校邻近度介于[0, 3]km时，地铁站可达性小于1km时，对行人事故严重程度有较大抬升作用；夜间时段娱乐POI可达性小于0.5km时，对行人事故严重程度有抬升作用；不论昼夜，人行道可达性对行人事故严重程度均有压降作用，且临街院门密度低的区域行人事故严重程度较 高。昼-夜间模型均表现出优秀的效果，分类准确率分别为96.38%和92.08%。     

基于行人视野注意力场的人车微观交互模型

从行人视觉认知角度出发，提出一种基于行人视野注意力场的人车微观交互模型。构建视野注意力场驱动行人视野域，利用人工势场驱动行人运动，利用目标捕捉算法来控制行人视野域对目标的捕捉。为了验证模型的有效性，使用无人机采集鸟瞰视角下的人车交互数据并进行处理分析，将行人过街风格分为保守、谨慎和冒险3种类型，在Pygame平台下搭建仿真场景和交互模型，把不同行人过街风格的交互数据作为模型输入，以模型输出的行人时空轨迹与采集的真实时空轨迹之间的相似度进行实验对比。结果表明，建立的基于行人视野注意力场的人车微观交互模型比常规人工势场模型准确性提高了25.48%，能够有效地复现实际交通场景中的人车交互过程。     

典型汽车碰撞事故场景中行人运动轨迹预测方法

为提高未来自动驾驶车辆对弱势道路使用群体的感知和决策融合的可靠性，本文提出一种基于目标检测算法（YOLOv5）、多目标跟踪算法（Deep-Sort）和社交长短时记忆神经网络（social-long short-term memory,Social-LSTM）的行人未来运动轨迹预测方法。结合YOLOv5检测和Deep-Sort跟踪算法，有效解决行人检测跟踪过程中目标丢失问题。提取特定行人目标历史轨迹作为预测框架的输入边界条件，并采用Social-LSTM预测行人未来运动轨迹。并对未来运动轨迹进行透视变换和直接线性变换，转换为世界坐标系中的位置信息，预测车辆与行人的可能未来碰撞位置。结果显示目标检测精度达到93.889%，平均精度均值达96.753%，基于高精度的检测模型最终轨迹预测算法结果显示，预测损失随着训练步长的增加呈递减趋势，最终损失值均小于1%，其中平均位移误差降低了18.30%，最终位移误差降低了51.90%，本研究可为智能车辆避撞策略开发提供理论依据和参考。     

基于文献计量的步行交通研究现状与趋势分析

应用统计方法和科学知识图谱软件CiteSpace，对2012～2021年知网和WOS步行研究的文献信息进行分析。通过分析历年发文量，找出领域核心期刊、主要作者和机构，了解领域的研究概况；通过关键词词频统计和突发词检测，分析国内外步行研究热点和趋势，确定步行交通领域重点关注方向为“行人过街”、“交通安全”，以及步行的“智能交通”；最后，通过文献阅读，总结梳理了3个方向近年研究成果和发展趋势。