快速的城市化进程和以公共交通为导向的发展（TOD）促进了集成道路-建筑结构的出现，在这种结构中，道路直接穿过或跨越建筑物（图1）。与传统的传播情景不同[1]，这种结构整合消除了自然土壤的衰减作用，使得动态车辆荷载可以直接作用于楼板[2]。由此产生的强烈能量传递对人舒适度和结构耐久性构成了重大挑战[[3],[4],[5],[6]]。因此，对这些系统进行准确的振动预测已成为一项关键任务。
大量研究集中在交通引起的振动传播和预测上。现场测量验证了地面道路振动的衰减规律[7]以及地质条件对振动传播的影响[8,9]。关于本研究涉及的特定集成结构，最近的研究探讨了在车辆直接载荷作用下的地下空间中的振动传播[10,11]以及通过钢弹簧浮动板减振的方法[12]。在预测方法方面，基于测试数据的传递函数方法已被用于快速预测，这些传递函数来源于现场测量[13]或全尺寸模型测试[14]。为了克服依赖特定场地测试数据的传递函数方法的局限性，分析方法取得了显著进展。例如，Lombaert和Degrande[15]基于Betti-Rayleigh互易定理和Green函数推导出了分层半空间中的波传播解决方案，而Xu等人[16]在辛框架内引入了周期性链子结构和伪激励方法，以解决非稳态激励下无限长路面的计算挑战。随着计算能力的增强，基于有限元方法（FEM）和有限差分方法（FDM）的数值模拟已成为精确模拟车辆-土壤相互作用的主流方法[[17],[18],[19],[20]]。最近，数据驱动的机器学习方法也被应用于捕捉复杂的非线性关系[5,21]。
此外，铁路引起的振动预测领域也提供了一些新的预测方法。为了捕捉复杂的土壤-结构相互作用，已经提出了针对多层半空间和不规则界面的严格分析和半分析方法[[22],[23],[24],[25],[26],[27]]。数值模拟方法也有所创新，例如2.5D耦合FE-BE模型[28]、谱元方法[29]和综合时频域模型[30]。此外，最近的研究通过引入建筑构件的等效刚度方法[31]，细化了对建筑结构响应的预测范围，并利用深度学习技术促进了长期监测的发展[32]。然而，现有研究主要关注通过土壤传递到相邻建筑物的振动影响。对于车辆直接在楼板上行驶的集成结构场景，相关的预测研究仍然较少。
另一方面，尽管预测方法模型已经相当复杂，但车辆荷载输入仍然过于简化。大多数研究依赖于确定性的单车辆激励，忽略了车辆相互作用和交通流的随机特性。在桥梁工程中，微观交通模拟已经证明，这些行为会显著改变结构的振动响应[33,34]。虽然Cao等人[35]确认了交通引起的地面振动的多峰随机性质，Li等人[36]使用蒙特卡洛方法进行预测，但这些方法通常依赖于现场监测数据，使得它们在初步设计阶段不切实际。
为了弥合这一差距，本文提出了一个将结构动力学与微观交通模拟相结合的框架。其新颖贡献有三个方面：（1）建立了一个与地下空间复杂性的现场测量结果相匹配的车辆-建筑完全耦合动态模型，确保了物理准确性；（2）引入了开源平台SUMO来生成真实的、基于行为的交通流数据作为激励输入；（3）进行了全面的参数研究，探讨了道路、交通和结构参数的影响，提供了一种从设计阶段直接预测建筑物振动的稳健方法。
