0010第二章第三节交通流特性参数的统计分布精编.ppt

第三节 交通流参数的分布 ●在设计新的交通设施或新的管制方案时候，需要预测有关某些特征的交通特性，并且常常希望能用现有的或假设的有限数据作出预报。如：在设计左转弯的候车道时，需要预测在一个信号周期，车辆到达数超过4辆每小数会有多少次等。 ●统计分布模型使交通技术人员能用象那些最少量的资料作出预报。 ●在描述具有高度随机性的各种现象时，常常用统计分布理论。在交通上最重要的分布是离散型分布（描述可数的事件出现率）以及连续型分布（描述事件之间时间间隙的出现率）。 ●本节主要讨论离散分布，主要包括泊松分布、二项分布及负二项分布等，然后讨论基本的连续型分布，最后讨论了用于交通的几种改进分布。 一、 离散型分布 在一定的时间间隔期间清点车辆到达数，是最老的也是最简单的交通量量测法。当比较一系列时间间隔相等的计数时，这就形成了一随机序列。这就引起交通技术人员研究其分布，描述一间隔期间车辆到达的事件。 一、 离散型分布 1、泊松分布 为了描述离散事件完全随机出现，泊松分布是合适的分布。其早期在交通上的应用有：金蔡于1933年论述了泊松分布应用于交通的可能性，1936年亚当斯发表了数值例题，1947年格林希尔治在其有关交叉口交通分析中，采用泊松分布。 泊松分布的公式： 一、 离散型分布 （1）用泊松分布拟合观测数据 当泊松分布拟合到观测数据时，参数m的计算： 概率的计算： 一、 离散型分布 当 时， 据此可以得到： 可以计算出计数周期t期间x辆车到达的概率。 一、 离散型分布 举例：已知数据如表所示： 一、 离散型分布 ●在180个10秒内有111辆车到达,小时交通量: ●第3栏由第1栏乘以第2栏得到; ●理论频率的计算: 一、 离散型分布 （2）累积泊松分布 ●上面讨论的是对待特定事件（即给定恰好x辆车到达）出现的概论，实际上，常常要求计算某一范围事件的概论。 ●泊松分布各项可以总起来得出每周期期间少于或多于x辆车的概率。例如：交通技术人员需要计算在已知的周期期间2辆车或少于2辆车到达的概率？ 解：也就是车辆数0，1，2到达的概率的总和，即： 一、 离散型分布 ●一般情况： 到达数量小于或等于k的概论： 到达数量小于k的概论： 到达数量至少是l但不超过n的概率： 一、 离散型分布 （3）泊松分布的使用情况 ●泊松分布适用于描述离散型随机变量，当交通流量不大并且没有象交通信号这类因素干扰时，交通状况会出现随机性，泊松分布能够提供良好的成果。 ●当交通拥挤或交通流的到达率上有周期干扰时候（如交通信号），用泊松泊松分布描述交通状况误差会较大。 ●具体应用时候，应该注意泊松分布的平均数与方差是相等的，当观测数据的方差/平均数的比率显著地不等于1.0时候，就是泊松分布不适合的表示。 一、 离散型分布 2、二项分布 （1）二项分布的公式 ●对于拥挤的交通（该处观测的方差/平均数比率实际上小于1）时，可以使用二项分布来描述车辆到达的分布。 ●二项分布的表达式： 一、 离散型分布 ●对于二项分布，m=np，m是平均数；S2=np(1-p)是方差。 如果 是拟合中使用的二项分布参数p的估计值， 是拟合中使用的二项分布参数n的估计值，这些参数可以用下列关系式来估算： ●二项分布的递推公式： 一、 离散型分布 （2）举例 一、 离散型分布 3、负二项分布 当交通流计数延续到高峰期间与非高峰期间两个方面时，将会形成一个高方差。在交通信号的下游会有一个很普遍但不是很明显的情况：信号循环的前一部分时间，交通流大，信号循环的后一部分时间，交通流很小。如果计数期间相应于周期的绿灯部分，或相应于整个信号周期，周期影响会不明显。不过如果计数周期短，会有大流量的时段与小流量的时段，甚至有居中流的时段，这样形成的计数分布将产生很高的方差。 一、 离散型分布 （1）负二项分布的公式 使用样本平均值与样本方差来估计参数完成 与 的拟合。如果m是观测数据的平均值， 是观测数据的方差，则有： 一、 离散型分布 ●相应的递推公式 一、 离散型分布 举例： 一、 离散型分布 基本离散分布的提要 （1）泊松分布模拟离散型的随机变量 （2）在低交通量计数中所观测的数据，其方差/平均值比率约为1，泊松分布可拟合观测数据。 （3）在拥挤的交通量计数中，观测数据所得方差/平均值比率事实上小于1，对观测数据可用二项分布拟合。 （4）在交通量计数中，有流量的周期变化，或在计数周期平均流量在改变，得出方差/平均值的比率事实上大于1.0，则负二项分布可拟合观测数据。 二 连续型分布 以上分析提出了一定时间间隔内出现离散事件的概率，另外一非常重要的交通特性是事件之间的时间，即