第8章 交通流理论.ppt

  1. 1、本文档共99页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第8章 交通流理论

第8章 交通流理论;第一节 概述;交通流理论;2、现代交通流理论与传统交通流理论 所谓现代交通流理论就是利用计算机等现代化工具对交通流特性进行更加深入的研究。 传统交通流理论已经基本趋于成熟,而现代交通流理论正在逐步发展。 就目前的应用来看,传统交通流理论仍居主导地位,其方法相对也较容易实现。现代交通流理论以传统交通流理论为基础,只是其所应用的研究工具和手段与以前相比得到了很大改善,从更宽广的领域对交通流理论进行了研究。; 传统交通流理论是指以数理统计和微积分等传统数学和物理方法为基础的交通流理论。其明显的特点是交通流模型的限制条件比较苛刻,模型推导过程比较严谨,模型的物理意义明确。 而现代交通流理论是指以现代科学技术和方法(如模拟技术、神经网络、模糊控制等)为主要研究手段而形成的交通流理论,其特点是所采用的模型和技术不追求严格意义上的数学推导和明确的物理意义,而重视模型或方法对真实交通流的拟合效果。主要用于对复杂交通流想象的模拟、解释与预测。;现代交通流 理论;本章的主要内容如下: 1、交通流特性参数的分布; 2、排队论(也称随机服务系统)的应用; 3、跟驰理论介绍; 4、流体力学模型以及交通波理论; 5、可插车间隙理论。;第二节 交通流特性参数的统计分布;应用: (1)信号配时的研究中,利用离散分布来描述车辆到达的分布规律,可以预测一个周期内到达的车辆数; (2)在计算支路的通行能力中,利用可接受间隙理论,采用连续分布来描述车头时距的分布特性。;一、离散型分布 描述一定的时间间隔内事件发生的次数。 在一定时间间隔内到达的车辆数是随机的,描述其统计规律可以用离散型分布,常用的离散型分布有如下3种。 泊松分布 二项分布 负二项分布 ;泊松分布是一种离散概率分布,应用于一个区间内某一事件的发生。随即变量k是这个事件在此区间内的发生次数。这个区间可以是时间、距离、面积、体积或其他类似的单位。 泊松分布服从下列条件: 1、随即变量k是一个事件在某区间内的发生次数; 2、事件的发生必须是随机的; 3、事件的发生必须是互相独立的; 4、在所使用的区间内,事件的发生必须是统一的分布。;1、基本公式;到达数小于k辆车的概率:;2、递推公式;已知:泊松分布的均值M和方差D均等于m;例题1: 某信号交叉口的周期为c=97秒,有效绿灯时间为g=44秒。在有效绿灯时间内排队的车流以V=900辆/小时的流率通过交叉口,在绿灯时间外到达的车辆需要排队。设车流的到达率为q=369辆/小时且服从泊松分布,求到达车辆不致两次排队的周期数占周期总数的最大百分比。;【解】由于车流只能在有效绿灯时间通过,所以一个周期能通过的最大车辆数A=Vg=44×900/3600=11辆,如果某周期到达的车辆数N大于11辆,则最后到达的N-11辆车要发生二次排队。泊松分布中一个周期内平均到达的车辆数:;例题2: 设有30辆车随机的分布在6km长的道路上,试求其中任意500m长的路段上至少有4辆车的概率?;EX1:已知某信号灯周期为60s,某一个入口的车流量为240辆/h,车辆到达符合泊松分布,求: 在1s、2s、3s内无车的概率; 求有95%的置信度的每个周期来车数。 解:1)1s、 2s、3s内无车的概率 λ=240/3600(辆/s ),当t=1s时, m= λt=0.067 当t=2s时, m= λt =0.133, 当t=3s时, m= λt =0. 2,; 2)有95%置信度的每个周期来车数的含义为:来车数小于或等于k辆的概率≥95%时的k值,即: ,求这时的k 由λ=240/3600(辆/s ),当t=60s时,m=λt=4 来车的分布为: 求: 的k值。;k;(二)二项分布 1.基本公式 X-B(n,p) 二项分布是说明结果只有两种情况的n次实验中发生某种结果为k次的概率分布。其概率密度为:;到达数小于k的概率:;2、递推公式 ?;(三)负二项分布;由概率论可知,对于负二项分布,其均值M=β(1-p)/p,D=β(1-p)/p2,M<D。;3、适用条件 ? 当到达的车流波动性很大或以一定的计算间隔观测到达的车辆数(人数)其间隔长度一直延续到高峰期间与非高峰期间两个时段时,所得数据可能具有较大的方差。 ;例题3: 在具有左转车道的交叉口入口,设置了专供左转弯的信号灯,每周期平均到达交叉口的车辆为20辆,其中25%为左转,已知,来车服从二项分布。

文档评论(0)

djdjix + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档