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。      

多车道高速公路超高过渡段积水分布数值模拟与规律分析

为了揭示多车道高速公路超高过渡段积水分布规律,基于流体动力学理论,选取典型多车道高速公路超高过渡段设计参数,利用道路BIM设计软件建立了40组三维道路模型;分析了路面积水量和排水设施径流量的关系,建立了考虑排水设施与路面构造深度影响的降雨模拟方案;采用离散相模型和多相流模型耦合,模拟了降雨条件下的路面积水状态;分析了不同组合参数下的超高过渡段积水厚度数据,得到了合成坡度、道路宽度、降雨强度与超高渐变率对积水厚度的影响模式,计算了各车道最大积水厚度,分析了六车道、八车道高速公路积水横向分布规律。研究结果表明:积水厚度与合成坡度、超高渐变率负相关,与降雨强度、道路宽度正相关,其中降雨强度对积水厚度的影响最大,超高渐变率对积水厚度的影响最小;合成坡度为2.02%~8.54%,降雨强度为1~5 mm·min-1时,多车道高速公路超高过渡段最小积水厚度为0.58 mm,最大达到28.35 mm;当降雨强度为5 mm·min-1时,高速公路超高过渡段内外侧车道最大积水厚度差异明显,六车道由内侧车道到外侧车道的最大积水厚度比例为1.0∶3.1∶3.3,八车道为1.00∶0.96∶1.03∶1.36;多车道高速公路超高过渡段积水厚度峰值先出现在道路中间附近,然后向外侧移动,最大积水厚度一般出现在外侧车道。      

预制节段梁桥精细化BIM模型构建及平台可视化应用

以杭绍台高速公路工程绍兴金华段某节段预制预应力混凝土连续箱梁桥为例,通过分析箱梁断面类型构建了节段典型断面类型模板库,运用参数化建模技术,构建了整联桥上部结构节段梁三维精细化外框BIM模型,并完成了节段梁几何属性和通用属性信息的定义.通过云平台技术,将BIM模型导入搭建的可视化云平台中,实现了模型的三维自由浏览,同时将节段预制施工信息与平台模型进行关联,为项目施工管理提供参考,以实现项目施工协同化管理.