基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

高速公路超高过渡段几何线形对小型客车滑水速度的影响

为了揭示高速公路不同超高过渡段线形指标下小型客车滑水速度变化规律,考虑小型客车滑水过程轮胎受力特征,分析了滑水速度与水膜厚度和超高过渡段几何线形的作用关系;应用多元线性回归和流体力学仿真建立了高速公路超高过渡段小型客车滑水速度量化模型,计算了降雨强度、纵坡坡度、超高渐变率等多变量组合下的小型客车临界滑水速度;以典型双向四车道高速公路超高过渡段为例,分析了降雨强度、纵坡坡度、超高渐变率对小型客车滑水速度的影响规律,并给出了超高过渡段小型客车限制速度建议值。研究结果表明:小型客车滑水速度最大值出现在纵坡坡度为0.3%、超高渐变率为1/200、降雨强度为20 mm·h-1组合工况下,为115.5 km·h-1,滑水速度最小值出现在纵坡坡度为3.0%、超高渐变率为1/330、降雨强度为80 mm·h-1组合工况下,为99.3 km·h-1;在降雨强度和超高渐变率一定的情况下,随着纵坡坡度增大,滑水速度逐渐减小,当纵坡坡度由0.3%增加到3.0%时,滑水速度减小2.68%;在降雨强度和纵坡坡度一定条件下,随着超高渐变率增大,滑水速度逐渐增大,当超高渐变率从1/330增加到1/200时,滑水速度上升了2.25%;增加纵坡坡度会降低滑水速度,但当降雨强度增加到一定程度,纵坡坡度、超高渐变率对滑水速度的影响趋于平缓;当降雨强度为20~80 mm·h-1时,双向四车道高速公路限速建议值为95.0~115.0 km·h-1,但不应大于其设计速度。