基于递归框架的高速公路交通流量实时预测方法

实时与准确的断面交通流量预测是实现高速公路智能化管理与控制的基础。高速公路交通流量预测要求对数据噪声进行有效处理，且需要满足实时性需求。然而，少有研究从实时性的角度对高速公路交通流量预测的准确性进行改善。研究了结合自适应卡尔曼滤波与长短时记忆神经网络（long short-term memory，LSTM）自编码器的高速公路交通流量递归预测框架，可以满足智能交通系统的实时性与准确性需求。收集高速公路的交通流量和速度等历史数据，应用卡尔曼滤波方法进行数据平滑，以提高原始数据的可预测性能；引入无监督机器学习算法LSTM自编码器对交通流量的时变特征进行建模，以提高模型的运算效率；考虑到高速公路交通流量预测的实时性需要，进一步提出递归预测框架，用LSTM自编码器的预测值代替卡尔曼滤波值；根据获取的实时数据，执行自适应卡尔曼滤波算法以修正当前的最佳状态值，并将该修正值输入LSTM自编码器进行迭代预测。选取美国明苏尼达双子城高速公路的实测交通数据进行案例分析，结果表明:所提出的高速公路实时交通流量递归预测框架在计算成本与预测精度2个方面具有相对竞争优势，模型预测的平均绝对百分比误差为5.0%，优于卡尔曼滤波和LSTM自编码器组合模型的7.4%；模型训练时间为85 s，低于标准LSTM模型的101 s。      

大跨悬索桥锚碇地下连续墙基础不同刚性接头形式对比研究

地下连续墙是大跨度悬索桥锚碇常用的基础型式，为了保障地下连续墙的整体性，张靖皋长江大桥南航道桥创新性地提出了刚性接头型式。为了对比不同刚性接头构造形式的受力性能，开展了5组接头型式的局部拉伸试验，分析了不同刚性接头形式的破坏模型、承载力、延性以及裂缝宽度。试验结果表明：多道钢筋搭接刚性接头的效果最好，表现出了较好的受力性能与延性，且该构造在实际施工中可行性较高，可以更好地满足刚性接头设计需求，该接头型式具有较好的应用和推广前景。