交通工程学电子课件第8章交通流理论.pptxVIP

8.1 交通流的概率统计分布离散型分布 常用于描述一定的时间间隔内事件的发生数。如某交叉口引道入口一个周期内到达的车辆数、某路段一年内发生的交通事故数等。 泊松分布 离散分布二项分布 负二项分布 8.1 交通流的概率统计分布泊松（Poisson）分布 ——在计数时间T内，事件X发生x次的概率； ——单位时间的平均发生的事件次数；T ——计数时间，如一个信号周期；e ——自然对数的底数，取值为2.718280。 令 8.1 交通流的概率统计分布时间T内到达车辆数小于x的概率：1时间T内到达车辆数小于等于x的概率：2时间T内到达车辆数大于x的概率：3时间T内到达车辆数大于等于x的概率：4时间T内到达车辆数大于x但不超过y的概率：58.1 交通流的概率统计分布均值和方差在实际应用中: 显著的不等于1时，则意味着泊松分布拟合不合适 8.1 交通流的概率统计分布常用递推公式 当交通量不大且没有交通信号干扰时，基本上可用泊松分布拟合观测数据；当交通拥挤时，车辆之间的干扰较大，则应考虑用其他分布。 8.1 交通流的概率统计分布二项分布 ——二项分布参数，0p1,n为正整数。 参数p，n的一组估计8.1 交通流的概率统计分布二项分布 ——二项分布参数，0p1,n为正整数。 8.1 交通流的概率统计分布常用递推公式 对于拥挤的交通流，车辆自由行驶机会减少，可考虑采用二项分布描述车辆到达分布。当观测数据服从二项分布时，应有8.1 交通流的概率统计分布负二项分布 ——负二项分布参数，0p1,k为正整数 8.1 交通流的概率统计分布常用递推公式 到达车辆数据方差很大时，可用负二项分布描述车辆的到达。 计数间隔较小时，也会出现大流量时段与小流量时段，可用负二项分布拟合观测数据。 时，可考虑使用负二项分布拟合观测数据。 8.1 交通流的概率统计分布连续型分布 交通工程中，车头时距的分布也可被作为描述车辆到达随机特性的度量。 负指数分布 移位的负指数分布连续型分布M3分布 爱尔兰分布 8.1 交通流的概率统计分布负指数分布 车头时距H≧t的概率曲线(T=1)车头时距Ht的概率曲线(T=1)8.1 交通流的概率统计分布 负指数分布广泛地被应用于描述车头时距分布。但其往往适用于车流密度不大，车辆到达随机性较大的情况。 当车辆到达服从泊松分布时，车头时距则服从负指数分布；反之结论也成立。8.1 交通流的概率统计分布移位的负指数分布 负指数分布拟合单车道交通流车头时距分布时，理论上会得到车头时距在0～1.0秒的概率较大，与实际情况不符。为了克服负指数分布的这种局限性，引入了移位的负指数分布，即假设最小车头时距不应小于一个给定的值 .8.1 交通流的概率统计分布M3分布 假设车辆处于两种行驶状态：一部分是车队状态行驶，另一部分车辆按自由流状态行驶。 ——按自由流状态行驶车辆所占的比例；——车辆处于车队状态行驶时保持的最小车头时距，s；——特征参数。该模型不能刻画很小的车头时距分布 8.1 交通流的概率统计分布厄兰（Erlang）分布 当k=1时，上式对应车头时距为负指数分布的情形；当k为无穷大时，上式对应车头时距为均匀分布的情形； 随着k值的增大，说明交通越拥挤，驾驶员行为的随机程度越小。 8.1 交通流的概率统计分布分布的拟合优度检验 检验的具体步骤： 1、建立原假设2、构造统计量3、确定统计量的临界值4、判断假设是否成立则接受原假设 8.1 交通流的概率统计分布拟合优度检验的注意事项1、样本量应足够大；2、对样本分组应连续，并且通常要求分组数g不小于5；3、各组的理论频数Fi不得少于5；4、 统计量的自由度DF的确定；5、显著性水平 的取值，通常=0.05。8.2 跟驰理论 跟驰理论是运用动力学的方法，研究在无法超车的单一车道上车辆列队行驶时，后车跟随前车行驶状态的一种理论。 跟驰模型的研究对于交通安全、交通管理、通行能力、服务水平等方面都有着重要的意义。 8.2 跟驰理论车辆跟驰特性分析 自由流：当交通流密度小时，驾驶员能根据自己的驾驶特性和车辆条件、道路条件进行驾驶，基本不受或少受道路上的其他使用者的影响，保持期望车速的交通流状态 。 非自由流：当交通流密度加大时，车间距较小，车队中车辆的车速会受到前车车速的制约。驾驶员为了避免发生碰撞和节省行车时间，根据前车的速度变化信息而采取相应的车速。 车辆跟驰理论只研究非自由行驶状态下车队的行驶特性8.2 跟驰理论非自由行驶状态跟驰车辆的行驶特性： 紧随要求、车速条件和间距条件构成了一队汽车跟驰行驶的制约性，即前车的车速制约着后车的车速和两车间距。制约性 感觉阶段 、认识阶段 、判断阶段 、执行阶段所需要的时间称为反应时间 ，从而产生延迟性。延迟性 第一辆车的运行状态