Ch6宏观交通流模型.ppt

第六章 宏观交通流模型 当不同的城市对应不同的n值，Tt增加的速度不一样。 2.驾驶员行为的影响 估计二流模型参数的数据是通过跟车试验获得的，这种试验让跟驰车辆的驾驶员随机地跟随一辆车，直到被跟车辆停车或离开预设的路网，然后，就近再选择一辆车跟随。 跟驰车辆驾驶员在跟驰过程中要尽可能地模仿其他驾驶员的行为，以便真实地反映其他驾驶员所花的停车时间。 跟驰车辆的行驶路程以1mile为单位分割，记载（或计算）每个单位的Tr 和Tt 值，这些（Tr，Tt）观测值用于参数估计。 跟车试验最为重要的一点是驾驶员的行为包括跟驰车辆驾驶员和被跟驰车辆驾驶员。 对于跟驰车辆，分别利用鲁莽驾驶员和保守驾驶员所获得的数据绘制出的二流曲线如图6-17所示，可见，驾驶员的行为对二流模型参数有很大的影响。 《技术经济学》精品课程建设项目组 * 城区的可达性成为评价城市生活质量的重要方面，如何对一个道路网络的交通效果进行评价更是人们所关心的问题。 本章从宏观的角度介绍一些流量、速度和密集度的量测和推算方法，从而提供网络交通效果评价的基本理论和基本方法。 第一节 以CBD为中心的交通特性 第二节 一般网络模型 第三节 二流理论 第四节 二流模型与网络交通模型 第一节 以CBD为中心的交通特性 这一节中重点研究不同位置的交通状况与所处城区地理位置之间的关系。 一、交通强度 交通强度是指单位面积上单位时间内通过的所有车辆（折合成标准车辆）的行驶距离总和。 一般认为CBD（the central business district，商业中心区）是一个城市交通最为敏感的地区，交通强度与距CBD的距离有关。于是，研究者建立了多种以距CBD的距离为自变量的评价交通特性的模型。 交通强度与距离市中心的距离图中交通强度的单位是 103 pcu/h/km 从图中可看出曲线基本符合指数模型，其模型如下： 二、平均速度 车辆运行的平均速度与距离CBD的距离有关。以市中心的放射线道路为研究对象，可建立如下5种不同的模型： 上述各式中，a,b,c为待定参数，u是速度，r的意义同上。 其中被淘汰有两个： 线性模型（6-4）在应用中对CBD区的平均速度估计值比实际值高3～4km/h，不能反映随着r的增加，平均速度的快速增长现象。 修正的幂函数（6-3）应用中常估计出负的速度值（在市中心），与该模型提出的目的相违。 对剩下的三个曲线（6-2幂函数、6-5负指数、6-6 Lyman and Everall ）进行拟合的情况： 第二节 一般网络模型 一、网络通行能力 如果定义N为单位时间内进入中心区的车辆数，城区面积为A，道路占地比例f，交通能力为C(即单位时间单位道路宽度通行的车辆数)，建立模型如下： 其中：α 为常数， Smeed(1965)将f与 的关系按三大类路网类型，归纳为下图： Smeed Wardrop (1964)运用Wardrop速度－流量模型，对伦敦的C值进行估计： 式中： 用式（6-8）除以道路宽度（本例为12.6m），并将道路宽度折算成英尺，则得到： 注意：采用不同的流量－速度模型，C值的估计模型也不同 通过多个城市的数据，对α 常数进行标定，从而得到网络交通能力测算模型：以伦敦为例： u的单位为mile/h，A的单位为平方英尺。 60年代末，又提出改进模型： 其中，J表示直接用于交通的有效道路的比重，当时在英国，J值在0.22～0.46之间。 二、速度和流量的关系 伦敦中心区高峰期和平峰期速度与流量关系图 从图6-6中可以看出 所有两点连线的斜率都为负值，说明流量的增加导致了速度下降。 同时也可以看到，各年的曲线有向右移动的趋势，说明网络交通能力逐年提高，究其原因，应归功于交通管理水平的提高和车辆性能的改进。 把1952～1966年的16个数据点，通过这组数据并采用线性回归技术获得的模型如下： 式中： 速度和流量回归曲线 速度与流量的关系与交叉口密度关系很大，下图绘制了伦敦市内区和外区的速度—流量关系图。内区信号控制交叉口的密度为每英里7.5个，外区为每英里2.6个。 改进模型 1968年，Wardrop在研究平均速度和平均流量时，直接把平均道路宽度和平均交通信号控制间距考虑了进去。这里的平均速度是指平均行程速度，包括车辆停车时间，而行驶速度定义为车辆行驶时间内的平均速度。由此，有： 假定： 我们可以得出结论：平均速度受交通强度、信号控制交叉口的密度、绿信比和道路宽度影响。 三、网络模型与网络参数 在使用一般网络模型定量评价路网服务质量时，必须定义一些参数。 Zahavi （197