[工学]交通流理论课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《[工学]交通流理论课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 工学 通流 理论 课件
- 资源描述:
-
1、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。第一节第一节 离散型概率统计模型离散型概率统计模型 我
2、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 -车辆的平均到达率(辆/s)t-计数间隔的时间长度(s)令:m=t,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、
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。k-t(k)(t)P=ek!k-m(k)P=ek!m(k+1)()P=k+1KmP4、判断条件:泊松分布的均值M和方差D均等于t。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 =辆/m 则:m=t=6辆 P(k4)=1-P(0)-P(1)-P(2)-P(3)P(0)=e-m=0.0
4、025 P(1)=P(0)=P(0)=0.0149 P(2)=P(1)=0.0446 P(3)=P(2)=0.0892 P(k4)=1-P(k4)=0.8488观测到的总车辆数总计数间隔数(N)N22i11S=(K-m)N-1i604000(0 1)m616263二、二项分布二、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0PD。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
5、D、M,则有:,(取整数)2m-SP=m22mmn=Pm-S三、负二项分布三、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M1时(明显大于1),可采用负二项分布。,(取正整数)(k)(k-1)k+n-1P =(1-P)Pk(1)nPMP
6、2(1)nPDP2mPs22mnsm四、离散型分布的拟合优度检验四、离散型分布的拟合优度检验-2 2检验检验 1、建立原假设2、计算统计量2:式中:N为样本计数间隔总数(不是总车辆数);g为分组(段)数;fi 为实际观测值出现在第i组的频数;Fi 为理论上观测数值出现在第i组的频数。且有:fi=N,Fi=N 3、确定统计量的临界值2a 2a值与置信水平和自由度DF有关,通常取0.05。DF=g-q-1,式中,q为约束数,指原假设中需确定的未知数的个数,对泊松分布q=1(只有m需确定),对二项分布和负二项分布q=2(需确定P、n两个参数)。22ggii2ii=1i=1iif-Ff=()-NFF
7、4、判断统计检验结果 若:22a,原假设被接受(成立)22a,原假设不成立。进行2检验的注意事项:总频数N应较大,即样本容量N应较大;分组应连续,分组数g不小于5;各组内的理论频数Fi不小于5,若某组内的Fi 5,则应将相邻若干组合并,直至合并后的Fi5为止,但此时应以合并后的实有组数作为计算2自由度的g值。【检验举例】对某一路段的一个方向车流,以30s的计数间隔对其车辆到达数进行连续观测,得到232个观测值。试求其统计分布,并检验之。解:S2/m=1.285 说明可用泊松分布或负二项分布拟合是合适的。若用泊松分布拟合,其参数m=5.254 若用负二项分布拟合,其参数 =0.78,=18.4
8、gi ii=1K fm=5.254N2g2iii=11S=(K-m)f=6.753N-12mPs22mnsm 用2检验法判别这两种分布的优劣:泊松分布:把理论频数Fi 小于5的到达数合并后,并成10组,则:由DF=g-q-1=10-1-1=8,取0.05,查表得:20.05=15.512 说明泊松分布拟合是不可接受的。负二项分布:把理论频数Fi 小于5的到达数合并后,并成11组,则:由DF=g-q-1=11-2-1=8,取0.05,查表得:20.05=15.512 说明负二项分布拟合是可以接受的。2222g2ii=1if172014=-N=+23220.04F7.616.79.82222217
9、2086=+2327.2212.120.76.47.5 第二节第二节 连续型概率统计模型连续型概率统计模型 连续型概率统计模型描述车辆达到时间间隔的分布规律。一、负指数分布一、负指数分布1、基本公式对泊松分布有:P(k)=e-mT时间内没有车辆到达的概率为:P(0)=e-m=e-t 说明车头时距h大于t的概率即为:P(ht)=e-t。此式即为负指数分布的基本公式。对P(ht)进行求导,可得到负指数分布的概率密度函数:P(t)=e-t 以上公式中的可由样本的均值m(平均车头时距)求得:=,此时车头时距的方差D=。!kmk1m212、适用条件适用于车辆到达是随机的。交通密度较小,有充分超车机会的单
10、列车流。一般认为交通量小于500辆/h车道的车流服从负指数分布。3、负指数分布的局限性 由P(t)=e-t 可知,P(t)是随t单调递减的,即越小的车头时距发生的概率越大。这与实际情况不符,因为车辆间总会有一个最小的车头时距,因此,当t时的P(t)是不正确的,为了消除这一影响,提出了移位负指数分布。4、次要道路车辆穿越主要道路车辆数的计算 设:a为次要道路车辆穿越主要道路车流需要的最小车头时距(s);a0为次要道路车辆连续穿越主要道路车流时的最小(饱和)车头时距(s);为主要道路车辆的平均到达率(辆/s);主要道路车辆到达的车头时距服从负指数分布。当次要道路上有足够多车辆等待时:穿过一辆需要的
11、最小车头时距为a(a1),二辆:a+a0(a2),三辆:a+2a0(a3),则,主要道路车流中车头时距大于a1的数目:N1=P(ha1)=e-a1 主要道路车流中车头时距大于a2的数目:N2=e-a2 则,主要道路车流中允许一辆车穿过的车头间隔数目为:N1-N2 主要道路车流中允许二辆车穿过的车头间隔数目为:N2-N3 主要道路车流中允许三辆车穿过的车头间隔数目为:N3-N4 到达率为的车流允许穿越的车辆数总和为:Q次=1(N1-N2)+2(N2-N3)+3(N3-N4)+=N1+N2+N3+N4+=e-a1+e-a2+e-a3+=e-a+e-(a+a0)+e-(a+2a0)+(辆/s)当主要
12、道路上每次出现可穿越空挡时,只有一辆车等待时:Q次=e-a(辆/s)当每次出现可穿越空挡时,有n辆车等待时:(辆/s)01aaeeQ次001)1(anaaeeeQ次二、移位负指数分布二、移位负指数分布 1、基本公式 为克服负指数分布车头时距接近零时概率过大的缺点,可将负指数分布的原点向左移动一个最小车头时距,一般情况下=1.01.5s,从而得到移位负指数分布:P(ht)=e-(t-)t 其概率密度函数为:e-(t-)t P(t)=0 t 移位负指数分布的均值M=+,方差D=用样本的均值(平均车头时距)m和方差S2代替M、D,即可求得和。1212、适用条件用于描述不能超车的单列车流和车流量低的车
13、流的车头时距分布。3、移位负指数分布的局限性 由移位负指数分布的概率密度函数知,越接近 的车头时距出现的概率越大,是为保证行车安全的最小车头时距,而实际行车时,大部分司机所保持的车头时距并不是一个最小值,即要比 大一些,只有个别司机才会用 甚至是比 短的车头时距,因此车头时距的概率密度函数曲线一般是先升后降的。为克服这一局限性,可采用爱尔朗分布、韦布尔分布、对数分布、复合指数分布、皮尔逊型分布等。4、可穿越车辆数的计算 有足够车辆排队:Q次=(辆/s)仅有一辆车排队时:Q次=e-(a-)(辆/s)有n辆车排队:Q次=(辆/s)0()1ataee00()(1)1naa taeee三、韦布尔分布三
14、、韦布尔分布 1、基本公式:P(ht)=exp-,t 式中:、是分布参数,取正值,且有 。显然负指数分布和移位负指数分布是韦布尔分布的特例,当=0,=1,0时,为负指数分布;当=1,0,0时,为移位负指数分布。其概率密度函数为:t()1(t)1P=()tte 2、适用条件 适用范围广泛,当负指数分布、移位负指数分布不能拟合实测的车头时距时,可选用该分布。另外,速度的分布也可用韦布尔分布来描述。3、参数确定 计算所观测车头时距t的样本均值m和方差S2,并计算样本分布的偏倚系数Cs:由Cs查韦布尔分布拟合用表,得1/、B()、A(),可计算出;由=m+SA(),=-SB()得出、的估计值,即可建立
展开阅读全文