2__交通流统计分布.docVIP

§2 交通流统计分布 2.1概 述 ①交通流理论 解释交通现象和特性，用数学和物理的方法研究人和车辆在道路上的运动规律，为道路交通设施的规划、设计和管理提供理论依据。 ②三种交通流分析理论 ▲概率与数理统计方法：假定道路上行驶的车辆是各自独立的，车辆的分布是随机的，并假定各个车辆的行驶是一种概率过程，因此可以用概率论方法进行分析，并用统计分布表示过程。 ▲流体动力学模拟理论：将交通流假想为具有一定特性的流体，应用流体动力学原理，从宏观上研究交通流特性，因此又称宏观理论。 ▲动力学理论 跟车理论 ：假定在交通流中，跟随前车的后车向前移动有某种规律，并依此推导出道路上行驶车辆运动状态的微分方程。由于这个理论研究的是前后两辆紧随的车辆之间的运动状态，因而又称为微观理论。 在这三种理论方法中，最早应用的是概率和统计分布理论，它适用于低密度的车流，流体力学与动力学方法适用于高密度车流。目前在分析道路交通问题时应用最多的还是概率与数理统计方法。 2.2概率分布模型 交通流在点 交叉口 、线 路段 和面 区域 范围内的运动状态是一个受多种因素影响的随机过程，因此可以用概率论方法将观测到的大量随机现象予以归纳和分析，从中找出能够表征交通状态的分布规律，给未来交通以概率性的预示，这对于交通规划、设计和管理是很有意义的。 2.2.1离散型分布 在离散型分布中，其随机变量为事件的数量，如在定周期内或一定长度路段内的车辆数，在一定周期内的事故数等。常用的离散型分布有泊松分布和二项式分布。 ①泊松分布 根据统计分析，在交通量不太大的路段上，通过道路某一点的车辆数常服从于泊松分布，因此可以用泊松公式计算在给定时间内某一地点通过x辆车的概率： p（x）＝ 式中：x为时间段t内通过的车辆数； m为时间段t内通过车辆数的平均值，即 m＝ Q为交通量 辆/小时 ，t为计数时段的时间 秒 ，e为自然对数的底。 例题详见p14～15。 ②二项式分布 在一组n次独立试验中，每次试验只有两种可能的结果。这就是一个二项式分布的过程。通常用p表示试验成功的概率，二项式分布给出在n次试验中成功x次的概率为p（x）. 则有： p（x）＝Cxn·px·qn-x 式中，n――试验次数，x――成功次数，p――给定试验中成功的概率，q――失败的概率，q 1－p； 二项式分布可以用来预测违反交通规则的车辆数，在交叉口可能的转弯车辆数以及在路段上超速行驶的车辆数。例题详见p16～17 2.2.2连续型分布 连续型分布是用来描述观测数值的连续随机过程，可假定任何数值的变量。由于在指定的范围内变量可取任何数值，因而连续变量可取某一特定数值的概率为零。几种较常用的连续型分布有负指数分布、移位的负指数分布以及厄朗分布。 ①负指数分布 这种分布常用于研究交通流中的车间时距或其它事件如事故的间隔，也可用于除时间外的其它连续变量如距离等。可由泊松分布导出。在某段时间间隔内不存在事件，即在泊松分布中取x＝o。时间间隔t内不发生事件的概率与在时间t内x＝o的概率是相同的，即： p（h≥t）＝p（0）＝＝e -m 相应地相继发生事件间的时间间隔小于t的概率为： p（h∠t）＝1－p（h≥t）＝1－e -m 负指数分布是研究交通流时常用的一种分布，当车流密度较低，车辆行驶较为自由时，车头时距呈负指数分布。国外研究指出，在每个车道每小时的不间断车流量小于或等于500辆小客车时，负指数分布是符合实际的车头时距情况的。 ②移位的负指数分布 负指数分布对于较小的事件间隔可得到较大的概率，这在理论上是对的。例如根据p18公式 2—21 可大量得到0～1秒的车头时距，但实际上它们不可能出现，因为前后两车车头之间一般应有不小于1秒的车头时距。为了改正此不合理，可考虑一个最小间隔长度“C”，从分布曲线图上将负指数分布曲线从原点O沿x轴向右移动C值 一般在1．0～1．5秒之间 ，此移位的负指数分布曲线则能更好地符合实际交通流状态。 例2—7 在一不设信号灯管制的交叉口，次要道路上的车辆为能横穿主要车流，需要主要车流中出现6秒的车头时距，如果主要车流的流量为l200辆/小时，问车头时距等于或大于6秒的概率为多少?如果考虑最小车头时距C为1．0秒，则大于或等于6秒的概率是多少? 解见p18。 2.2.3分布的假设检验p19 假设检验的必要性 统计量x2的意义及表达式 对检验数据的要求