第二节分布特性2007.11.pptVIP

一、交通流统计分布的含义与作用 二、离散型分布——计数分布 (2)泊松分布的递推公式 (3)分布参数m的估计以及均值M和方差D的计算 (5)举例 ２、二项分布(Binomial) (2)二项分布的递推公式 (5)　应用举例 X2检验 三、连续型分布 (略，自学) 　　描述事件之间时间间隔的分布称为连续型分布。连续型分布常用来描述车头时距、或穿越空档、速度等交通流特性的分布特征。 1、负指数分布 (1)　基本公式 　　在计数间隔t内没有车辆到达(k=0)的概率为： 　　　P(0)=[(λt)k/k!]×e-λt ＝ e-λt 　　上式表明，在具体的时间间隔t内，如无车辆到达，则上次车到达和下次车到达之间的车头时距至少有t秒，换句话说，P(0)也是车头时距等于或大于t秒的概率。于是得： 　　　P(h≥t)=e-λt 而车头时距小于t的概率则为： 　　　P(h＜t)=1-e-λt 若Q表示每小时的交通量，则λ=Q/3600(辆/s)，前式可以写成：P(h≥t)=e-Qt/3600 式中Qt/3600是到达车辆数的概率分布的平均值。 　　若令M为负指数分布的均值，则应有： 　　　　　　　M=3600/Q=1/λ 负指数分布的方差为： 用样本的均值m代替M、样本的方差S2代替D，即可算出负指数分布的参数λ。 此外，也可用概率密度函数来计算。负指数分布的概率密度函数为： 3、韦布尔(Weibull)分布 (1)基本公式 式中：β、γ、α为分布函数，取正值，且βα。γ称为起点参数，α称为形状参数，β称为尺度参数。其概率密度函数为： * 　　在设计新交通设施或确定新的交通管理方案时,需要定量地预测交通流的某些具体特性,并且希望能用现有的或假设的有限数据,对将来的交通情况作出预报。下面举2个例子。 例1：在某一信号灯控制交叉口的一个进口道上,每分钟最多能通过的车辆数是10辆,若某小时内到达该进口道上的车辆为600辆，请问：这600辆车能否在一小时内通过该进口道？ 分析：从理想条件来说,是可以通过该交叉口。但事实上,600辆车到达有一定的随机性,不可能每分钟都刚好到10 辆。因此,一般来说,1小时内不能通过600 辆车,但也有可能可以通过600 辆,那么就要求计算能通过600辆的概率是多大？　 例２：在某条单向行驶的道路上，如果车头时距大于10秒，行人就可在２车的间隔时间内横穿马路。设某小时内该路段的车流量为４００辆，试问：行人能否在该小时内横穿马路？ 分析：流量为400的车流,其车头时距为:3600/400=9(S/辆),即平均每9s便有一辆车到达，而行人过马路要10s，那么在这一小时内是否就不能穿越马路了呢？当然不是，因为有可能出现车头时距大于10s的时候，问题是这种机会在1小时内可能出现多少次？ 　　为了作出类似上述问题的各种预测，必须掌握交通现象的随机性分布规律，即交通特性的统计分布规律。　　 　描述交通现象随机性的统计分布规律的方法有２种： 　　１、以描述可数事件的离散型分布为工具，考察在固定长度的时间或距离内到达某场所的交通数量的波动性； 　　２、以描述事件之间时间间隔的连续型分布为工具，研究事件发生的间隔时间或距离的统计分布特性。在交通工程学中，常把离散型分布称为计数分布；但连续型分布根据其应用场合的不同，有不同的称谓，例如间隔分布、车头时距的概率分布、可穿越空档分布、速度分布等。 　　在一定的时间间隔t内到达的车辆数或在一定长度路段上分布的车辆数总是变化的，是随机变量。要想准确预测随机变量（车辆到达数或分布数）的值是不可能的，故只能采取预测其概率P。为此，有必要找出与实测分布较为贴近的理论分布模型，描述这类随机变量统计规律的方法常用离散性分布模型。目前，常用的离散性分布模型有泊松(Poisson)分布、二项分布和负二项分布等。 １、泊松分布 　(1)泊松分布的基本公式 　 若某车流在一定时间间隔t内到达的车辆数k或在一定路段长度上分布的车辆数k的概率P(k)为:P(k)=[(?t)k·e-?t]/k!,k=0,1,2,…； 　式中：P(K)—在计数间隔t内到达K辆车的概率；λ—车辆平均到达率(Vch/s)； 　　　t—每个计数间隔持续的时间(s)；e—自然对数的底，取值为2.71828。 　　则称该车流的到达规律服从泊松分布。　 到达数小于k辆车的概率： 到达数小于等于k辆车的概率： 到达数大于k辆车的概率： 到达数至少是x但不超过y辆车的概率： 若令m=λt，则m为计数间隔t内平均到达的车辆数（又被称为泊松分布的分布参数）。所以P(k)=[mk·e-m]/k!。如果已知m ，则可以利用上式求出在计数间隔t内到达或在一定长度内分布k辆车（