第4章交通流理论.pptVIP

历史沿革:诞生于20世纪30年代的概率论的方法.50年代以后成为交通工程的专题研究 研究内容 宏观稳态的交通流基本参数模型 交通流统计分布特性 交通流理论的模拟与仿真 交通流模型的理论与方法:排队论、跟驰理论、流体力学理论、细胞源动机理论 交通模型：描述交通流状态变量随时间与空间而变化的分布规律及其与交通控制变量之间关系的方程。 参数模型：交通流参数之间的关系 宏观模型：描述车队的运动规律 微观模型：描述单个车辆的运动规律 静态模型：不随时间改变的稳恒交通流随空间分布的规律 动态模型：时间改变的稳恒交通流随空间分布的规律 4.2.2.3 负二项分布 基本公式： 适用条件：车流受到干扰。车辆到达起伏幅度比较大的车流，而计数周期比较短的高方差分布 分布的均值M和方差D分别为M=kp/p，D=kp/p2，显然有M＜D。用观测数据计算出来的样本均值m和方差S2代替M和D，所以负二项分布的S2/m应当大于1，当S2/m显著 小于1.0时，就是负二项分布不适的表示。 负指数分布 在次要车流通行能力研究中的应用 其他常用分布形式 爱尔兰分布： T:观测时间间隔的平均值 T:车头时距（s） H:车头时距的观测值 当k＝1时，为负指数分布 当k＞1时，为爱尔兰分布 对数正态分布： 分布检验 在实际观测中，不可能对观测值的全部取值的概率进行反复观测，往往是以局部观测数列的分析和观测值的算术平均值或方差为依据，推断其符合某种分布规律 为了运用局部观测资料，即用样本推算总体的分布，需要先对总体的分布概率进行假设，然后用局部观测的数据来验证其符合程度 拟合度检验：实际样本与理论样本之间总存在差异，且随机取样也存在样本之波动，其差异与变化程度究竟如何，即拟合度如何，只能通过拟合度检验来鉴别。常用的检验为x2检验（Chiquare test） 检验的原理： 首先假设观测数列具有某种分布特性，于是建立实际频率与理论频率之间的差异,此差异用计算值X2表示。在确定的显著水平的条件下确定临界值x2。当计算值x2小于临界值x2时，假设分布被接受，否则，重新假设分布，重新进行计算 检验计算过程： 1、建立原假设H0 计算p1、 p2、 p3。。。。。 Pn 计算F1、 F2、 F3…………. Fn、 2、选取统计量： 3、确定临界值： 由显著水平 与自由度DF确定 DF=c-a-1 由表4-2查出临界值x2 4、求统计检验结论： X2计算≤ X2临界，假设成立，分布被接受 否则，重新假设其分布，重新进行检验 常用统计分布中的a值与DF值 X2检验中需要注意的事项： 样本量较大，N≥50 分组数应该连续，以7－9组为宜，一般不小于5组 各组的理论频数不得小于5，如Ej=5，则应该将相邻的组项合并，直至Ej≥5为止。这时应以合并后的组数作为计算自由度的c值 例：下表为某观测现场的车流量数据，时间间隔为1min，试检验其分布规律是否服从泊松分布？显著水平为5％ 解： 3、确定 DF＝c－a－1=6-1-1=4 查表的： 4、判断分布是否成立： 所以原假设成立，分布服从泊松分布 服务方式：指同一时刻多少服务台可接纳顾客，每一顾客服务了多少时间。 服务台：个数、排列方式（平行排列、成串排列） 服务时间服从何种分布形式： 如定长分布D；负指数分布M；爱尔朗分布Ek。 M/M/1系统参数 M/M/1系统参数计算 M/M/1系统参数计算 M/M/N系统的计算公式 M/M/N系统的计算公式 4.3 跟驰理论 用动力学方法描述车队后车跟随前车行驶状态，通过描述车辆之间的行驶关联性描述交通流 能够准确交通服务水平 广泛应用于交通模拟与仿真 4.3.2 线性跟驰模型 微分方程： 非线性跟车理论 4.3.3 跟驰模型的讨论 4.3.3 跟驰模型的讨论 4.3.3 跟驰模型的讨论 4.3.3 跟驰模型的讨论 交通流与流体流特性对比 例:车流的速度－密度模型：u0.103=1.547-0.00256k，一列速度u1=50km/h的车流中被插入一辆速度u2=12km/h的低速车，形成速度为u2的拥挤车流。低速车形式了2km后离开车队，排队随之消散，形成速度为u3＝30km/h的状态，试求： 拥挤车流消散的时间ts 拥挤车流持续的时间tj 拥挤车队最长时的车辆数Nm 拥挤车流的总数N 拥挤车流所占用的道路总长度L 车流速度从v1降低道v2而延误的总时间T 从图中可以看出，虚线OB的斜率等于w1，虚线AB的斜率等于W2，以XB、tB表示图中B点的空间坐标和时间坐标。从图中可以看出，从t0到tA，拥挤车队愈来愈长，最长时占路长度等于XA-Xc，到时刻tA，拥挤车队开始消散，到时刻tB拥挤完全消除，所以时刻tB-TA,称为消散时间ts。由于N条折线的斜率表示车速，得： AC