955[工学]交通流理论.pptVIP

第四章 交通流理论 本章讲述概率统计模型、排队论模型、跟驶模型、流体模拟理论 为了描述交通流而采用的一些数学或物理的方法，是一门边缘科学，它用分析的方法阐述交通现象及其机理，使我们更好地理解交通现象及其本质。 最早采用的数学方法是概率论方法，分析交通量不大的交通流是可行的，但随着车辆的增多，交通事故、交通阻塞现象越来越严重，交通流中车辆的独立性越来越小，概率论方法逐渐难以适应，于是相继出现了跟驰理论、排队理论、流体动力学模拟理论等，这些理论在实际应用中解决了一些具体方面的问题，但还不是很完善，交通流理论还没有形成完整的体系，还有待于进一步发展。 图解法： * * 第一节 离散型概率统计模型 我们在观测交通量或车辆的车头时距时，会发现在固定的计数时间间隔内，每个间隔内查到的车辆数是变化的，所观测到的连续车头时距也是不同的，这说明车辆的到达是有一定随即性的，为了描述这种随机性而采用的概率统计方法可分为两种：离散型和连续型。 离散型模型描述一定时间间隔内到达车辆数的波动情况，或分析一定长度路段内存在车辆数的分布情况。常用的离散型分布模型有三以下种： 一、泊松分布 1、基本公式： k=0、1、2、3 … 式中：P(k)---在计数间隔t内到达k辆车的概率 λ---车辆的平均到达率（辆/s） t---计数间隔的时间长度（s） 令：m=λt，为计数间隔t内平均到达的车辆数 则： 2、递推公式：P(0)= e-m， 3、适用条件：车辆密度不大，车辆间相互影响小，没有外界干扰因素的车流，即车流是随机的。 4、判断条件：泊松分布的均值M和方差D均等于λt。当观测数据的均值m与方差S2的比值明显不等于1时，就是泊松分布不适合的表示，当近似等于1时，可用泊松分布。 观测数据的均值m和方差S2为： m= 【应用举例】设60辆车随机分布在4km长的路段上，服从泊松分布，求任意400m长的路段上有4辆及4辆以上汽车的概率。 解：依题意：t=400m λ= 辆/m 则： m=λt=6辆 P(k≥4) =1-P(0)-P(1)-P(2)-P(3) P(0) = e-m =0.0025 P(1)= P(0) = P(0) =0.0149 P(2) = P(1) =0.0446 P(3) = P(2) =0.0892 ∴P(k≥4) =1- P(k＜4) =0.8488 二、二项分布 1、基本公式：P(k) =Cnk( )k(1- )n-k k=1、2 …n Cnk = 常令：P= ，有0P1 则：P(k) =CnkPk(1-P)n-k 式中：n为正整数，是t时间内到达车辆数的最大值，或一定路段长度上存在车辆数的最大值，是一个分布参数。 2、递推公式：P(0) =(1-P)n ， 3、适用条件：车流比较拥挤，自由行驶机会不多的车流。 4、判断条件： 其均值M=nP，方差D=nP(1-P)，所以有MD。即当观测数据的S2/m明显大1时，就说明不属于二项分布，即S2/m应小于1。 因m/ S21，说明车流的离散性比较小，车辆较拥挤，由此得出适用条件。 对公式中的n、P可通过实际观测值来确定，用实际观测数据的S2、m代替D、M，则有： ， （取整数) 三、负二项分布 1、基本公式：P(k) =C n-1k+n-1Pn(1-P)k ，k=0、1、2、3 … 式中：P、n为负二项分布参数，0P1，n为正整数。 此处的P≠ m/n，n就是一个分布参数，不是能到达的最大车辆数。 2、递推公式：P(0) =Pn ， 3、适用条件：适用于车辆达到的波动性很大的车流。如观测的时间段很长，包括了高峰期和非高峰期，或观测断面的地点在信号交叉口的下游，到达的车流具有很大波动性。 4、判断条件：∵ ， ∴ 有MD，即当S2/m1时（明显大于1），可采用负二项分布。 ， （取正整数） 四、离散型分布的拟合优度检验----χ2检验 1、建立原假设 2、计算统计量χ2： 式中：N为样本计数间隔总数（不是总车