普通公路车头时距分布特征研究

合集下载

理想条件下路网临界车头间距的研究

m ≠1 l ≠1
24146 24125 24104 23183 23163 23143 23122 23102 22182 22162 22142 22123 22103 21184 21164 21145 21126 21107 20188 20169 20150 20131 20113 19194 19176 19158 19140 19122 19104 18186 18168 18151 18133 18116 17198 17181 17164 17147 17130 17113 16197 16180 16163 16147
3 问题的研究与解决
间上运行所维持的车头间距。
311 车辆在理想路网容量状态下车头间距模型
2 问题的描述
如前假设 ,理想的路网容量状态是一种稳定的跟驰状态 ,那么自然考虑运用经典的跟驰理论来构建车头间
基于时空消耗的概念及理想路网容量状态的定义 , 理想的路网容量应等于
距模型。根据跟驰理论的基本概念 ,采用伽赛斯在 1961 年基于该理论提出的一般公式[1] ,建立车头间距模型 ,具
C容
=
单位时间内路网的总时空资源单位时间内交通个体的平均时空消耗
=
L ×d d′×h
×T ×Δt
(1)
式中 , C容为路网容量 ,辆/ 时间; L 为路网的有效运营长度 ,m; d 为路网中每条车道的平均有效运营宽度 ,m; T 为
单位时段的长度 ,h;其他参数意义同上。考虑到由于除支路外 ,其他等级的道路上都有行车
下面根据 m , l 的不同取值 , 积分可得 m , l 取值 (7) 不同情况下车辆的车头间距与运行速度之间的关系 , 如
下所示
车头间距 (m) 标定结果对比表

信号交叉口车头时距特性分析

交通运输工程与信息学报
第８卷
第ｌ期
２１００年３月ＪｕａｏＴａｓｏｔｔｎＥｇｎｅｉｇａｄＩｆｒｔｎＮｏ１ｏ．Ｍａ．００ｏｒｌｆｒｎｏｒｉｎｉｅｒｎｏｍａｉｎａｏｎｎｏ，Ｖ１８ｒ１２
交通运输工程与信息学报
２１００年
第１期
ห้องสมุดไป่ตู้
已有文献对交叉口启动延误和饱和车头时距的研究颇为丰富，如文献【】出饱和流率的测量从第６ｌ得辆车开始；献【】述并量化了道路宽度对交叉口启文２阐动延误及饱和车头时距的影响但从已有的文献看
ａｔａＳｉｇｎａｉｅｎｅｓｃｉｌｚｄＩｔｒｅｔｏｎ
ＺＡｉｇＨＯＸｎＲＮＧｎＥａｇ
ＪａｇｕＰｏｎｉｌＫｙＬｂｒｔｒｆＴａｓｏｔｔｏｌｎｉｇｉｎｓｒｖｉｃａｅａｏａｏｙｏｒｎｐｒａｉｎＰａｎｎ
Ｔｈｅｓｔａｒｔ－ｕｐｄｅｌａｙｅｓｔｉｍａｔｉｏｎｏｎｄｉｆｆｅｒｅｎｔｔｕｒｎｉｎｇ１ａｎｅｓａｎｄｔｈｅｃｏｒｒｅｓｐｏｎｄｅｎｃｅｍｏｄｅｌｗｅｒｅ
ｄｅｖｄｂｙａｎｌｅｔｅｅＣ１ｔｐｅｎｈｅｕｎｉｇｍｐｔｏｎｈｓｔａｏｎｈｅｄｙｒｉｅａｙｚｄｈｖｈｉｅｙａｄｔｔｒｎｉａｃｔｅａｕｒｔｉａｗａ．Ｔｅｅｃｅｓｔｗｉ１ｂｅａｂｅｆｒｉｐｏｖｉｈａａｃｔｉｎｉｅｎｔｒｓｃｏｈｅｒｓａｒｈｒｕｌ１ａｓｏｍｒｎｇｔｅｃｐｉｙｏｆａｓｇａｌｚｄｉｅｅｔｉｎ．

城市快速路交通流车头时距分布特性分析

城市快速路交通流车头时距分布特性分析袁凯;关伟【摘要】Based on the analysis of single-vehicle data collected in Beijing2nd ring of urban freeway, the statistical features of time-headway distribution at different velocities are investigated in this paper, and the time-headway distributions under different velocities are fitted well with the model. In the model, the parameters corresponding to velocity ν is estimated to obtain the recommended time-headway, the average time-headway and the standard deviation. Considering the empirical time-headway distribution features, the recommended time-headways on urban freeway at different velocities are discussed quantitatively and qualitatively, and the result is different with the previous investigation works about highway traffic. In addition, the density-flow plane and the velocity-flow plane are plotted in a statistical meaning, then the effect of on/off-ramps on the traffic flow of lane 3 was analyzed, and the velocity thresholds of free flow and coherent-moving flow in different road structures are concluded.%在对北京市城市快速路实测单车数据分析的基础上,本文发现对数正态分布函数可以成功地对不同速度条件下的车头时距概率密度分布情况进行拟合.运用最小二乘法对该函数进行参数估计,得到不同速度条件下的期望车头时距值以及车头时距的平均值和标准差.结合实测车头时距分布特性,经过修正,发现城市快速路上期望车头时距随速度的变化趋势与高速公路上的测量结果一致,但在定量上却要远高于高速公路上的期望车头时距.最后利用平均车头时距和单车速度绘制出流量—密度和流量—速度关系图,并具体讨论了出入口匝道对外侧车道交通流特性的影响,定量标定了谐动流和自由流相位在不同断面条件下的速度区间.【期刊名称】《交通运输系统工程与信息》【年(卷),期】2011(011)006【总页数】6页(P68-73)【关键词】城市交通;车头时距分布;对数正态分布;城市快速路;谐动流【作者】袁凯;关伟【作者单位】北京交通大学交通运输学院,北京100044;北京交通大学交通运输学院,北京100044【正文语种】中文【中图分类】U4911 引言近年来，国内外研究学者已经对高速公路上车头时距分布特性进行了大量微观研究.L.Neubert［1］等人在自由流和同步流交通相位下观测到了“双峰”结构的车头时距PDF，“第一峰”对应的车头时距值约为0.9s，“第二峰”对应的车头时距值约为2s，其中“第一峰”是由于在高速自由流状态下，驾驶员倾向于以高风险的“bumper-tobumper”的车队状态行驶，“第二峰”则对应着驾驶员的期望车头时距.Wolfgang Knospe［2］等人发现车头时距分布的峰值在不同交通相位下表现为不同的数值，自由流的期望车头时距为0.68s，在该车头时距下机动车以“bumper-to-bumper”状态行驶，进入同步流后期望车头时距上升为1.3s.由于城市快速路具有匝道分布不均匀和低交通限速的特点，国内外基于高速公路实测数据所建立的交通流理论和模型不能完全应用于城市快速路的研究当中［3-5］，因此，在分析了不同密度条件下的速度概率分布特性后，关伟［3］等将交通流划分为自由流、谐动流、同步流和堵塞四种交通相位并定量标定了密度阀值.此外，专家学者在城市快速路的实测数据基础上，对车头时距的分布特性也进行了分析研究.S.Y.He［5］等人选用正态分布函数与移位负指数分布函数的卷积作为拟合函数，成功拟合了城市快速路交通流车头时距在不同速度条件下的分布特征.裴玉龙和高晗［6］提出运用三参数威布尔分布用于描述快速路匝道连接段车头时距的分布规律.除此以外，在车头时距分布PDF函数拟合方面，运用较为成熟的还有移位负指数分布、Erlang分布、Cowan M3以及对数正态分布模型［7-11］.本文在实测单车数据基础上，运用对数正态分布函数对不同速度下的车头时距分布进行拟合，统计分析后，得出了在不同速度下外侧车道驾驶员的期望车头时距值，并将其与高速公路上的期望车头时距值做定性和定量的对比分析.然后根据车头时距值和单车速度得出交通流量—速度和流量—密度图，在将城市快速路交通流划分为自由流、谐动流［3，5］、同步流和堵塞的基础上，得出出入口匝道对交通流特性的影响并定量标定了自由流和谐动流的速度阀值.2 数据采集本文单车数据采集于2007年6月，检测设备为MetroCount 5600系列路旁单元采集设备，采集地点为北京市二环西直门至德胜门路段，共布设有6个采集点，每个采集点设备均布置于检测路段的外侧车道，连续观测时间均为17 h(6:00～23:00)，路面结构和数据采集设备布设情况如图1所示.图1 快速路调查路段路面结构及其设备布置图Fig.1 Schematic road structureof a segment in Beijing 2ndRing Road3 车头时距概率密度分布函数拟合3.1 拟合函数选择本文将实测车头时距按照一定速度范围Δv进行划分，将处于速度范围［v-△v，v+Δv］内的车头时距 H(v)={hk|k=1，2，…，N(v)}归类于速度 v下，其中N(v)为该速度区间范围内的车头时距数据点总个数.本文采用的拟合函数为对数正态分布密度函数:式中μ，σ ——参数.运用Matlab软件中的lsqcurvefit函数，采用最小二乘法对拟合参数进行估计.根据对数正态分布的特性，得出每个速度值下对应的拟合平均车头时距值以及拟合曲线峰值对应的车头时距值eμ－σ2，其中峰值所对应的车头时距值为该速度条件下的理想车头时距值.3.2 拟合结果及统计分析取Δv=5 km/h，由于北京市城市快速路80 km/h低速限制，本文只对D1～D6检测断面外侧车道5～80 km/h速度区间内的车头时距进行拟合，拟合结果如图2和图3所示.图2 当v=20 km/h和v=35 km/h时D1检测断面车头时距分布PDF(柱状图为实测车头时距分布PDF，实线为对数正态分布拟合曲线)Fig.2 Empirical time-headway distribution(bar)and estimated time-headway distribution(solid line)at velocities of a)20km/h and b)35km/h respectively of section D1图2显示了处于拥挤交通状态(v=20 km/h)和亚稳态交通流状态(v=35 km/h)下的车头时距分布情况，表明在这两种交通条件下都能运用对数正态分布函数成功进行拟合，且对峰值左边的小车头时距分布PDF的拟合效果更佳.图示两种速度条件下由对数正态分布函数拟合的PDF曲线所对应的峰值分别为a)2.13s和b)1.75，平均车头时距值为 a)2.37s和 b)2.17s.图3 当v=65 km/h和v=75 km/h时D1检测断面车头时距分布PDF(柱状图为实测车头时距分布PDF，实线为对数正态分布拟合曲线)Fig.3 Empirical time-headway distribution(bar)and estimated time-headway distribution(solid line)at velocities of a)65km/h and b)75km/h respectively of section D1图3显示了处于畅通交通流状态下的车头时距分布情况，其中v=65 km/h时的车头时距分布PDF几乎和对数正态分布完全吻合.当v＞70 km/h时，如图3 b)所示，峰值左边的小车头时距分布PDF虽仍能由对数正态分布完全拟合，但峰值右边的拟合结果却与实测数据存在一定差异，这主要是由于在高速自由流状态下，车辆行驶速度不受车头间距影响，使相同速度行驶条件下的车辆间距值存在一个较广的值域，进而出现相对大比例的大车头时距，导致拟合得出的峰值对应的车头时距较实测车头时距分布PDF“第一峰”对应的车头时距值大.图示两种速度条件下拟合的PDF曲线所对应的峰值分别为a)1.63s和 b)2.12s，平均车头时距值为a)3.10s和b)4.46s，两种速度状态下实测车头时距分布PDF“第一峰”对应的车头时距值分别为a)1.40s和b)1.60s.由于图2和图3中的实测车头时距分布PDF的车头时距(横轴坐标)的统计间隔为0.2s，因此峰值对应的车头时距存在0.2s的偏差是合理的.此外，随着速度的减小，实测车头时距分布PDF中的“第二峰”逐渐消失，车头时距值逐渐向第一峰对应的车头时距值靠拢.本文的实测车头时距分布PDF在高速自由流相位条件下存在“双峰”结构，甚至出现峰值数多于两个的“多峰”结构，这一结构与高速公路上的观察结果基本一致.但不同的是，“第一峰”对应的车头时距值均大于0.9s，约为1.5s，且不随速度的变化而变换，故本文认为城市快速路实测车头时距分布PDF的“第一峰”对应的车头时距值为驾驶员在该速度条件下的期望车头时距值.3.3 统计分析由3.2分析可知，对数正态分布能成功拟合在不同速度条件下的车头时距PDF，所以运用Matlab软件中的lsqcurvefit函数，采用最小二乘法对拟合参数进行估计，进而在每一个速度值下都存在对应的一组参数值(μ，σ).根据对数正态分布的特性，每个速度v下，对应的平均车头时距为拟合曲线峰值对应的车头时距值mode(hv)为式中峰值所对应的车头时距值mode(hv)为该速度条件下的驾驶员的期望车头时距值.由上文分析可知，当速度v＞v阀时，拟合出的期望车头时距要大于实测的期望车头时距(“第一峰”)，统计结果如表1所示.表1 拟合期望车头时距与实测期望车头时距对照表Table1 Empirical recommended time-headway and estimated recommended time-headway 由表1 可以发现，在v∈［40 km/h，80 km/h］的范围内，随着速度的减小，密度逐渐增大，实测车头时距分布PDF中“第二峰”逐渐消失，车头时距值逐渐向第一峰对应的车头时距值靠拢，且该期望车头时距值在该速度范围内几乎不发生变化，本文取h期=1.5 s，期望车头时距随着速度的变化情况如图4所示.随着速度的增大，期望车头时距的拟合结果与实测结果之间的偏差也随之增大，这说明实测车头时距分布PDF的顶峰随速度的增大而愈加宽广，其对应的车头时距值域逐渐变宽.图4 期望车头时距随速度的变化情况Fig.4 Estimated recommended time-headway at section D1从变化趋势看，城市快速路上高速畅通条件下的期望车头时距要小于低速拥堵条件下的期望车头时距值，两状态之间存在随着速度减小而迅速上升的Breakdown现象，这与高速公路上观测到的结论［2］一致.但从定量的角度来看，不同相位下城市快速路期望车头时距均要明显大于高速公路上相应交通流相位条件下期望车头时距值，这主要是由于城市快速路上不均匀的匝道布置和低限速的交通要求，使驾驶员在考虑安全和法律的前提下，即使在自由流状态下也不倾向于选择“bumper-tobumper”的高风险车队状态行驶，从而导致小车头时距比例下降，且进入拥堵状态后，驾驶员为了避免频繁的加减速，而选择较大的车头时距值作为期望车头时距.统计6个检测断面(D1～D6)的车头时距值，根据式(2)和式(3)，得出各检测断面平均车头时距值和车头时距标准差随速度的变化曲线，如图5和图6所示.依照公式(5):得出各检测断面流量—密度关系图和速度—流量关系图，如图7和图8所示.根据图5和图6，可以看出车头时距的平均值和标准差随速度的变化趋势基本一致，在高速自由流状态下，即速度区间［53 km/h，80 km/h］内，两参数均表现为较大数值，且随着速度的减小而减小，在图7和图8中则表现为自由流状态下流量和密度均上升的态势.当速度降至53 km/h时，D1、D2、D5和D6检测断面对应的密度上升至22 veh/km，该密度亦为自由流与谐动流之间的密度阀值［3］，说明交通流进入谐动流状态，此时车头时距标准差为一较小值2.5.观察D3和D4检测断面发现，当速度小于约39 km/h后，密度上升至22 veh/km，进入谐动流状态，其车头时距标准差数值下降至2.9.可以看出，该自由流速度区间的增大主要是由于D3和D4检测断面位于出口匝道的下游，大量交通流量被出口匝道分担.当速度降至约32 km/h时，D1、D3、D4和D6检测断面的车流量达到最大值，并随着速度的递减而减小.对于D2和D5检测断面，最大流量对应的速度值约为25 km/h，当速度小于25 km/h后流量开始下降.该最大车流量对应的速度值的下降也意味着谐动流速度下限的下降，同时最大交通流量对应的是最小车头时距的平均值和标准差，这意味着此时车道内车辆间都保持着近乎相同的时距和间距，当密度继续上升则将导致速度和流量的下降.各检测断面的自由流和谐动流速度阀值如表2所示.其中D2和D5为入口匝道下游检测断面，D3和D4为出口匝道下游检测断面.表2 自由流和谐动流的速度阀值Table2 Free-flow and coherent-moving flow phase with corresponding thresholds of velocity综上所述，入口匝道对匝道下游外侧车道的影响主要表现为，使流量最大值对应的速度减小和谐动流速度下限的下降;而出口匝道对其影响主要表现为增大自由流的速度区间，减小谐动流的速度上限和自由流的速度下限，且减少谐动流的流量.4 研究结论本文选用对数正态分布函数成功拟合出在不同速度下的车头时距分布情况，尤其是峰值左边的小车头时距.但是在速度大于70 km/h后，实测车头时距分布PDF出现明显的“双峰”，甚至“多峰”结构，使得拟合出来的期望车头时距与实测结果在高速自由流条件下存在一定的偏差，该偏差随着速度的增大而越加明显，这也意味着该相位下较大比例的大车头时距的出现.经过修正，得出城市快速路上期望车头时距随速度的变化趋势与高速公路上的测量结果一致，但在定量上却要远高于高速公路上的期望车头时距.此外，虽然在高速条件下对期望车头时距的估计存在一定程度的偏差，却并不影响对车头时距的平均值和标准差的定量估计.通过绘制外侧车道流量—密度和流量—速度关系图，分析得出入口匝道使匝道下游外侧车道在达到最大车流量时的速度远小于其他断面，降低谐动流的速度下限，而出口匝道使匝道下游外侧车道自由流的速度区间变大，同时减小谐动流的速度上限和自由流的速度下限，并减少谐动流状态的交通流量.参考文献:【相关文献】［1］L Neubert，L Santen，A Schadschneider，et al.Singlevehicle data of highway traffic:a statistical analysis［J］.Physical Review E，1999，60(6):6480-6490.［2］W Knospe，L Santen，A Schadschneider，et al.Singlevehicle data of highway traffic:microscopic description of traffic phases［J］.Physical Review E，2002，65(5):56133.［3］关伟，何蜀燕.基于统计特性的城市快速路交通流状态划分［J］.交通运输系统工程与信息，2007，7(5):42-50.［GUAN W，HE S Y.Stastical features and phase identification of traffic flow on urban freeway［J］.Journal of Transportation Sgstems Engineering and Informetion Techndogg，2007，7(5):42-50.］［4］钟连德，荣建，等.城市快速路与高速公路交通流特性的对比分析［J］.公路交通科技，2005，22(1):48-51.［ZHONG L D，RONG J，et al.Contrasting analysis of traffic stream characteristics between urban and intercity expressways［J］.Journal of Highway and Transportation Research and Development，2005，22(1):48-51.］［5］S Y He，W Guan，J H Ma.Observed time-headway distribution and its implicationon traffic phases［C］.Proceedings of the 12thInternational IEEE Conference on Intelligent Transportation Systems，St.Louis，MO，USA，October 3-7:2009.［6］裴玉龙，高晗.城市快速路匝道连接段车头时距分布模型［J］.交通与计算机，2007，25(5):4-7.［PEI Y L，GAO H.Headway distribution model in urban freeway［J］.Computer and Communication，2007，25(5):4-7.］［7］李文权，王伟，周荣贵，高速公路合流区1车道车头时距分布特征［J］.公路交通科技，2003，20(1):114-117.［LI W Q，WANG W，ZHOU R G，Headway characteristics of lane 1 on expressway merge area［J］.Journal of Highway and Transportation Research and Development，2003，20(1):114-117.］［8］G H Zhang，Y H Wang，H Wei，et al.Chen，Examing headway distribution models with urban freeway loop event data［J］.Transportation Research Record:Journal of the Transportation Research Board，2007，1999:141-149.［9］Cowan R J，Useful headway models［J］.Transportation Research，1975，9(6):371-375.［10］I Greenberg.The log-normal distribution of headways［J］.Australian Road Research，1966，2(7):14-18.［11］S C Yin，Z H Li，et al.Headway distribution modeling with regard to traffic status ［C］.Intelligent Vehicles Symposium，2009 IEEE:1057-1062.。

车头时距计算公式

车头时距计算公式
随着现代交通工具的发展，人们的出行方式越来越便捷，但交通安全问题也日益凸显。

车辆之间的车距问题是交通安全中的重要问题之一，而车头时距计算公式则是解决车距问题的关键。

车头时距是指前车的车头与后车的车头之间的时间间隔，通俗的说，就是后车跟前车的时间差。

车头时距过小，会增加车辆之间的碰撞风险，而车头时距过大，则会造成道路资源的浪费和拥堵。

因此，合理计算车头时距非常重要。

车头时距的计算公式是：车头时距 = 前车行驶距离 / 后车速度- 前车速度。

其中，前车行驶距离是指前车在后车开始行驶之前所行驶的距离，后车速度是指后车行驶的速度，前车速度是指前车行驶的速度。

在实际使用时，我们可以通过以下步骤来计算车头时距：
1. 观察前车行驶的距离，可以通过路标、建筑物、车辆等物体来确定前车的行驶距离。

2. 记录后车的速度，可以通过车载仪器或者车速表等设备来确定后车的速度。

3. 记录前车的速度，可以通过观察前车的尾灯或者车速表等设备来确定前车的速度。

4. 利用车头时距计算公式，计算出车头时距。

通过以上步骤，我们可以快速准确地计算出车头时距，从而避免车距过小或过大的问题，提高道路安全性和交通效率。

需要注意的是，车头时距的计算公式是一种理论计算方法，实际使用中还需要考虑到各种因素的影响，如路况、车速、车型等因素。

因此，在实际使用时，还需要结合实际情况进行合理的调整，以确保交通安全和效率。

总之，车头时距计算公式是解决车距问题的重要工具，它可以帮助我们合理计算车距，提高道路安全性和交通效率。

同时，在实际使用中，还需要结合实际情况进行合理的调整，以确保交通安全和效率。

交通调查与分析

交通调查与分析1 交通调查与分析以上海市典型信号控制交叉口的车头时距调查与分析作为案例。

在现有的道路几何条件与交通条件下，对信号控制交叉口直行车道的车头时距进行现场测定，通过对数据的分析处理，得出饱和车头时距的分布、初始时距的分布、饱和流率的估算值及其单个周期内的启动延误估计。

1.1 饱和车头时距的现场测定在调查过程中，采用了“变停车线”的方法采集数据，即在红灯期间停车线前第一辆车前车轮所在地为所谓的“变停车线”，绿灯启亮后，第一辆车启动时调查人员摁下秒表，依次记录下在红灯期间排队等待通行的车辆通过“停车线”的时刻，直到认定的最后一辆车开出“停车线”。

考虑到每个周期红灯切换为绿灯后，车辆启动必然引起启动延误，所以在所有采集得到的数据中，一般头四辆车头时距是不饱和的，因此计算饱和车头时距所用的数据都是剔除掉每周期前四辆车的车头时距后得到的。

下面以中山北一路（南进口内侧直行）－大连西路，车道宽度为2.7米的直行车道上调查的数据为例进行如下分析：（1）饱和车头时距观测值的统计直方图和经验分布曲线图1 饱和车头时距观测值的统计直方图（2）饱和车头时距的特征参数表1 饱和车头时距的特征参数极差（3）有统计直方图可以看出饱和车头时距近似地服从正态分布，为此作正态概率分析图如下：图2 饱和车头时距的正态概率分析图可以看到，实际数据值与假设正态分布的数值非常吻合，为此假定饱和车头时距，可以得出和的1－0.05的置信区间分别为[2.2010 , 2.3663] 、[0.3754 ,0.7460]。

因此， 2.2836，0.7460。

4、对进行拟和检验经检验得在置信度为95％的水平下。

1.2 饱和流率的近似计算利用公式来计算饱和流率。

v/h/lane1.3 启动车头时距的统计分析（1）启动车头时距观测值的统计直方图和经验分布曲线图3 启动车头时距观测值的统计直方图对其进行单样本的K－S检验后发现启动车头时距不满足正态分布，而是近似的满足分布。

城市快速路交织区车头时距分布特征研究

城市快速路交织区车头时距分布特征研究摘要:为揭示快速路交织区车头时距分布的内在规律,利用2004年5-7月在北京、广州等七个代表性城市对常见的A类快速路交织区车流车头时距的数据采,对快速路交织区分车道、分断面分析,发现时距多服从移位负指数及CowanM3分布,并提出交织区内车头时距分布随断面流率变化而改变的动态分布规律。

同时运用拟合分析及x2检验技术对提出的分布特征进行了检验,为快速路交织区通行能力分析、城市快速路合理规划等方面的深入研究提供理论基础。

关键词:交通规划快速路交织区车头时距数理统计分布模型通行能力城市快速路交织区车头时距分布特征,是其运行特性研究工作的理论基础,也是确定交织区道路通行能力的主要依据。

交织区内主线车辆与匝道车辆的交织运行易于引起交通流紊乱、行车速度降低、延误增大,形成快速路的“瓶颈”路段。

同时,由于城市快速路主线和匝道的车流量均较大,车流密度较高,其合流、交织特征显然有别于高速公路。

因此,系统地研究快速路交织区车头时距的分布特征将具有重要的理论及现实意义。

驶入匝道车辆增加,将引起交织区内车头时距的重新分布[1]。

本文以大量实测数据为基础,对国内城市快速路系统中常见的A类交织区车流车头时距的统计分布进行拟合分析,获得快速路交织区内不同车道不同流量下的车头时距分布特征,掌握不同流量状态的车头时距分布规律。

1数据采集与处理2004年5月~7月对北京、广州、上海等七个有代表性城市的典型快速路交通流进行实地观测,获取了城市快速路系统各组成部分大量详实的交通流检测数据。

为满足数据统计分析最小样本量的要求,使观测的数据具有代表性,连续观测12小时(早6:00~晚18:00)采集了快速路交织区各调查地点的交通流数据[2]。

调查发现,快速路交通流通常遵循以车队的方式到达,在接近饱和流量时,则表现为走走停停的现象。

这表明在较短的时间段内,交通流状态可能发生很大的变化。

为了能真实地反映快速路交通流中的车队数据信息及其在不同时段的交通状态和相应服务水平,分析对快速路交织区交通流的统计间隔取为1分钟。

信号交叉口车头时距特性分析

收稿日期：2009-03-19.基金项目：公安部应用创新计划项目（城市交通管理动态仿真技术及决策支持软件开发）（2007YYCXJSST043）。

作者简介：赵星（1986−），汉族，男，重庆人，东南大学交通学院硕士研究生，研究方向为交通安全。

信号交叉口车头时距特性分析赵星任刚东南大学，江苏省交通规划与管理重点实验室，南京210096摘要：针对我国城市典型信号交叉口，即南京市成贤街—北京东路交叉口，通过大量实地测量和统计分析，研究信号交叉口排队车辆通过停车线的车头时距特性。

给出不同转向车道的启动延误估计，通过对车型、转向对饱和车头时距的影响研究，得出相应的关系模型；文章最后分析各车型、转向间车辆饱和时距，为信号交叉口通行能力的估算和提高奠定基础。

关键词：车头时距；启动延误；影响因素；结构模型中图分类号：U491.5+1文献标识码：A 文章编号：1672-4747（2010）01-0103-06Analysis of Vehicle Headway Charactersat a Signalized IntersectionZHAO Xing REN GangJiangsu Provincial Key Laboratory of Transportation Planning and Management，Southeast University，Nanjing 210096，ChinaAbstract：A typical urban signalized intersection — the intersection of Chengxian street and Beijing East road of Nanjing — was studied through a large number of surveys and statistics. The start -up delay estimation on different turning lanes and the correspondence model were derived by analyzed the vehicle type and the turning impact on the saturation headway. The research result will be a base for improving the capacity of a signalized intersection.Key words：Headway，start -up delay，influencing factors，structure model0 引言车辆在城市道路信号交叉口的运行特性分析对于研究交叉口的启动延误、饱和流率等有着重要的意义，而排队车辆离开信号交叉口停车线的车头时距分布特征是解决上述问题的关键。

平均车头时距和车头时距的平均值

平均车头时距和车头时距的平均值1.概述车头时距是道路交通中一个非常重要的参数，它直接影响着交通系统的运行效率和交通安全。

而平均车头时距则是所有车辆车头时距的总和除以车辆数得到的数值，它是评价一个交通系统运行状态的重要指标。

了解平均车头时距和车头时距的平均值，对于改善交通拥堵、减少交通事故具有重要意义。

2.平均车头时距的概念平均车头时距是指某一时间段内所有车辆车头时距的总和除以车辆数得到的平均值。

它是衡量交通流畅程度和交通安全度的重要指标。

在道路交通中，平均车头时距越大，表示车辆之间的相对距离越大，交通拥堵程度越低，车辆之间的碰撞风险也相对较小。

3.车头时距的概念车头时距是指在车队中，相邻车辆头部的距离。

它是反映车辆之间行驶的安全距离，是保证车辆之间能够安全行驶并及时制动避免碰撞的重要参数。

车头时距与车速、车辆密度等因素有着直接的关联，是影响交通系统运行效率和安全性的重要因素。

4.平均车头时距和车头时距的关系平均车头时距与车头时距的平均值是通联紧密的。

平均车头时距是道路上所有车辆的车头时距的平均值，它直接反映了整个交通系统的流畅程度和交通安全度。

而车头时距的平均值则是某一时间段内所有车辆车头时距的平均值，它可以帮助交通管理部门了解目前交通系统的运行状态，及时调整交通信号灯、限制车辆通行以改善交通拥堵情况。

5.平均车头时距和车头时距的影响因素平均车头时距和车头时距的平均值受多种因素的影响，其中包括但不限于：- 车速：车辆行驶速度的快慢直接影响了车头时距的大小，车速越快车头时距通常会变小，反之亦然。

- 车辆密度：车辆密度越大，车头时距往往会缩小，交通拥堵情况将会加剧。

- 驾驶员行为：不安全的驾驶行为会直接影响车头时距的大小，如急刹车、频繁变道等都可能导致车头时距缩小，增加交通事故的风险。

- 道路条件：道路宽窄、弯曲程度、路面情况等都会对车头时距产生影响。

6.如何改善平均车头时距和车头时距的平均值为了改善交通系统的运行效率和提高交通安全，有必要采取一系列措施来改善平均车头时距和车头时距的平均值，其中包括但不限于：- 优化交通流控制：通过合理调整信号灯设置、控制路口通行能力、限制车辆通行速度等措施来改善交通流畅度，增大车辆之间的距离。

车头时距实验的方法

车头时距实验的方法
（一）异常数据剔除对于单条车道上行驶的车辆，车头时距不能小于最小车头时距。我们在实际调查过程中存在误差，试验所得的车体时距存在明显不合理的值。结合调查时路段的实际交通情况，我们剔除了原始车头时距数据中小于 1.5s 的值。（二）χ2 检验 1.求总体分布的原因由于参数统计学推断方法均以服从某一分布为假定条件，并且实际工作中需要了解样本观察频数是否与某一理论频数相符，所以我们需要知道总体分布。 2.拟合分布的 χ2 检验法在总体 X 的分布未知时，根据来自总体的样本，检验关于总体分布的假设可以使用χ2 检验法。使用χ2 检验法对总体分布进行检验时，我们先提出原假设H0 ：总体 X 的分布函数为 F(x)，然后根据样本的经验分布和所假设的理论分布之间的吻合程度来决定是否接受原假设，这种检验通常称作拟合优度检验，它是一种非参数检验。 3. χ2 检验法主要解决的两类问题 χ2 检验法主要可以解决两类问题：一是检验某随机变量是否服从某完全给定的概率分布；二是检验某随机变量是否服从某形式的概率分布，此时需要先用极大似然估计法估计参数，然后作检验。 4.基本原理和步骤 1) 建立原假设H0 2) 将总体 X 的取值范围分成 k 个互不重迭的小区间,记作A1 ，A2 ， … ，Ak 。 3) 把落入第 i 个小区间Ai 的样本值的个数记作fi ，称为实测频数。所有实测频数之和f1 + f2 + ⋯ + fk 等于样本容量 n。 4) 根据所假设的理论分布,可以算出总体 X 的值落入每个 Ai 的概率pi ，于是 npi 就是落入Ai 的样本值的理论频数。 5) 引进统计量 χ2 =
ห้องสมุดไป่ตู้
χ2 =
f i −np i 2 k 是 i=1 np i

高速公路合流区1车道车头时距分布特征

高速公路合流区1车道车头时距分布特征
李文权;王炜;周荣贵
【期刊名称】《公路交通科技》
【年(卷),期】2003(20)1
【摘要】为揭示高速公路合流区 1车道上车辆的运行规律 ,利用摄像机于 2 0 0 0年在江苏、山西、河北、北京、天津、广东等地对高速公路合流区 1车道上车辆的车头时距数据进行大量调查 ,运用AutoScope2 0 0 4图像处理系统对大量调查数据进行分析处理。

在此基础上 ,运用数理统计方法提出 1车道车头时距分布为变化阶数的Erlang分布的分布特征 ,运用拟合分析及χ2 检验技术对提出的分布特征进行了检验。

该分布特征为合流区通行能力分析。

【总页数】4页(P114-117)
【关键词】高速公路;合流区;车道;车头时距;分布特征;通行能力;运行规律
【作者】李文权;王炜;周荣贵
【作者单位】东南大学交通学院;交通部公路科学研究所
【正文语种】中文
【中图分类】U491.1
【相关文献】
1.城市快速路交织区车头时距分布特征研究 [J], 隽海民;裴玉龙;薛长龙
2.城市快速路互通立交合流区车头时距分布特性 [J], 臧晓冬;周伟
3.路侧公交专用车道下右转出口上游公交车头时距分布特征 [J], 姚红云; 梁丽娟
4.快速路交织区车头时距分布特征 [J], 裴玉龙;李松龄;薛长龙
因版权原因，仅展示原文概要，查看原文内容请购买。

车头时距对道路通行能力的修正系数研究

因素众多，各种因素的影响程度大小不一．要找到一种通用的度量尺度对影响程度作出统一的衡量。本文以车头时距作为度量通行能力的但需
尺度，过对各种影响道路车头时距因素的分析，道路通行能力修正系数进行研究。同时，静态车头时距模型的基础上，立了动态车头时通对在建距模型．更好地反应前后车的车速变化情况．一步分析各种影响因素对通行能力的影响。以进关键词：头时距：车道路：通行能力；正系数修
中图分类号：１文献标识码：Ｕ４１Ａ文章编号：６１９０（ｏ１０－０１０１７ — １７２ｌ）６００ — ４
Ａｂｔａｃ：ｂｎｒａａｃｔｎｍｐｒａｔａｉｎｍａｙｐｏｒｍｓａｄｓｕｉｓｓｃｓｉｈｌｎｉｇｏｒａｏｄｎｔｒ，ｎｔｅｓｄｆｔｅｓｒｔＵｒａｏｄｃｐａｉｉｏｅｉｏｔｎｓｓｉｎｒｇａｎｔｄｅ，ｕｈａｎｔｅｐａｎｎｆｕｂｎｒａｅｗｏｋｉｈｔｙｏｙｓｂｕｈ
ｓｒｅｅｆｃｆｈｓｎｕｅｔａａｔｒ．ｓｄｏｈｎｌｓｓｏｉｅｓｆｄｆｃｏｓｕｅｔｆｅｔｏｔｅｅｉｆｎｉｌｆｃｏｓＢａｅｎｔｅａａｙｉｆｄｖｒｉｅｔｒｉｈｗｉｌａｅａｌｎｕｎｅｏｅｈａｗａ．ｈｓｔｓｓｓｄｅｈｌｉａｗｈｃｌｈｖｌｉｆｅｃｎｔｅｄｙｔｉｌｈｈｅｉｔｉｓｔｕｈｅ

基于车头时距的城市多向交叉口小客车当量换算方法探讨

基于车头时距的城市多向交叉口小客车当量换算方法探讨城市交通拥堵一直是城市面临的一个重要问题，而城市多向交叉口是城市交通网中最为复杂和重要的节点之一、在城市多向交叉口中，车辆交通流量大，交通事故易发生，交通组织和管理难度大。

因此，对城市多向交叉口进行合理的交通容量评估和规划对于提高城市交通效率，缓解拥堵，减少交通事故和提高城市交通服务质量具有重要意义。

车头时距是交通工程中一个重要的参数，它指的是车辆在交通流中的间距时间。

车头时距不仅受到道路几何条件、交通流量密度、车辆速度等因素的影响，还受到司机行为和路段交通状况等因素的影响。

因此，在城市交通管理和规划中，车头时距被广泛应用于衡量车辆交通组织效果、评估路口通行能力和实施交通信号优化等方面。

城市多向交叉口小客车当量是一个重要的交通参数，它用于衡量交叉口通行能力和管理效果。

在城市多向交叉口中，小客车是交通流中主要的车辆类型，因此小客车当量的计算对于评估交叉口通行能力和合理规划交通信号方案具有重要意义。

在城市多向交叉口中，小客车当量的计算通常基于车头时距。

车头时距可以反映车辆在交通流中的间距时间，是评估道路通行能力和交通流畅度的重要指标。

因此，可以通过车头时距和小客车通过其中一交叉口的平均速度来计算小客车当量。

具体计算方法如下：1.计算车头时距：首先需要对其中一交叉口的车头时距进行测量。

车头时距通常采用车辆通过其中一点的时间间隔来表示，可以通过视频监控或现场测量的方法来获取。

2.计算平均速度：根据交叉口车辆通过的速度数据，可以计算出小客车通过该交叉口的平均速度。

平均速度是根据车辆通过时间和距离来计算的，通常采用速度测量仪器或视频监控来获取。

3.计算小客车当量：最后根据车头时距和平均速度，可以计算出小客车通过该交叉口的当量。

当量是指其中一种车辆类型对于道路通行能力的影响程度，它可以帮助交通规划者更好地评估交叉口通行能力和制定合理的交通管理措施。

综上所述，基于车头时距的城市多向交叉口小客车当量换算方法可以帮助交通规划者更好地评估交叉口通行能力和制定合理的交通管理措施。

车头时距对道路通行能力的修正系数研究

车头时距对道路通行能力的修正系数研究I. 引言：A. 背景介绍B. 研究目的II. 车头时距的概念：A. 车头时距的定义B. 测量车头时距的方法C. 车头时距与车辆安全距离的关系III. 道路通行能力的概念：A. 道路通行能力的定义B. 影响道路通行能力的因素C. 道路通行能力的计算方法IV. 车头时距与道路通行能力之间的关系：A. 理论分析B. 实证研究C. 影响因素分析V. 修正系数的研究及应用：A. 修正系数的计算方法B. 修正系数的可行性研究C. 修正系数在道路设计和交通管理中的应用VI. 结论：A. 研究结论B. 局限性和进一步研究的建议第1章引言随着城市化进程的加速和机动车保有量的增加，道路交通拥堵问题日益严重，但是只有通过对交通流量、车辆密度等参数的科学研究分析以及对于道路通行能力的提高，才能达到缓解交通拥堵压力的目的。

而车头时距作为一种重要的交通参数，影响着道路通行能力的计算和研究。

因此，本研究拟通过对于车头时距和道路通行能力的关系进行系统研究，提出修正系数，以便更为准确地反映车头时距对道路通行能力的影响，为交通管理和道路设计提供参考依据。

第2章车头时距的概念车头时距是指两车前端之间的距离。

在车头时距较近的情况下，存在着车头碰撞的危险，车头时距较大时则可以缓解交通拥堵的情况。

车头时距的合理调控是保证道路交通流畅和车辆安全运行的关键环节之一。

在日常的驾驶中，车手需要时刻关注车头时距的变化及时判断并采取安全措施。

车辆之间的车头时距受到许多因素的影响，例如车辆的大小、车辆的速度、交通流量等等。

测量车头时距的方法有多种，常见的方法是使用时距测速仪。

该仪器可以通过车速、车道宽度、激光雷达技术等多种参数来测量车头时距。

使用该仪器可以更加准确地反映车头时距的实际情况，为研究车头时距和道路通行能力的关系提供了基础数据。

车头时距与车辆安全距离的关系密切。

车辆安全距离指的是两车前端之间的距离，当距离小于车速的一半时，即存在着安全隐患。

车头时距混合分布模型

车头时距混合分布模型陶鹏飞;王殿海;金盛【摘要】为描述车头时距分布特性,基于二分车头时距的基本思想,将行驶车辆状态分为跟驰状态和自由流状态,在分析其运行特征的基础上,建立了能同时描述这两类状态对应的车头时距分布特性的混合分布模型.应用实测数据,通过EM(expectation maximization)算法确定模型的相关参数,并结合参数取值分析了路段上、下游和不同车道内车辆行驶统计特征的差异性,最后,进行了实例验证.研究结果表明:混合分布模型在实验路段各处均可通过卡方检验；与负指数分布、爱尔朗分布和M3分布相比,混合分布模型对车头时距分布情况的拟合精度平均提高10%以上,且对快速路入口匝道通行能力的计算结果与实测值较为接近.%For describing the distribution characteristics of headway, driving behaviorsare classified into car-following state and free driving state by reference to the two-fluid theory. After analysis of their operation features, a mixed distribution model that can describe the headway distribution of both the two driving states was built. The model parameters were determined by expectation maximization ( EM ) algorithm using the measured data. Then, the differences between the statistical characteristics of the driving behaviors in up-stream section, downstream section and different lanes were analyzed and verified through a case study. The results show that the mixed distribution model can pass the chi-square test in all road situations. Compared with the negative exponential distribution, Erlang distribution, and M3 distribution, the mixed distribution model can improve the fitting accuracy of simulation by more than 10% , and obtain a more close resultto the measured data in calculating the traffic capacity of an expressway on-ramp.【期刊名称】《西南交通大学学报》【年(卷),期】2011(046)004【总页数】6页(P633-637,644)【关键词】车头时距;分布模型;跟驰;自由流状态【作者】陶鹏飞;王殿海;金盛【作者单位】吉林大学交通学院,吉林长春130022;吉林大学交通学院,吉林长春130022;浙江大学建筑工程学院,浙江杭州310058;浙江大学建筑工程学院,浙江杭州310058【正文语种】中文【中图分类】U491车头时距是前后两车通过车行道上某点的时间差，能够反映驾驶员的心理和行为特性，通过研究其分布规律，判断道路交通状态并对通行能力进行分析，在实际中有广泛的应用.例如，在无信号交叉口，通过主路车头时距分布规律测算支路通行能力[1-3］;在辅助驾驶系统研究中，通过车头时距确定关键控制参数[4-6］;在交通设施布设前后评价实施效果等[7-9］.对车头时距分布特性的研究形成多种分布模型[10］.其中负指数分布[11］适用于车辆随机到达情况，但其取值随车头时距单调递减，这与实际情况明显相悖，可用移位负指数分布(将负指数分布曲线向右平移)方法解决该问题.但无论负指数分布还是移位负指数分布，都只能描述随机到达车流.爱尔朗分布是较为常用的描述车头时距分布概率的模型，但存在参数估算精度低的问题.M3模型是典型的二分车头时距模型，其基本思想是将车流分为聚集车流和自由车流，分别考虑两类车流车头时距特性建立模型.但M3模型仍未跳出负指数分布的范畴，实际交通流不一定服从负指数分布.因此，有必要建立新的模型，对更一般情况下的车头时距分布进行研究.实际中的交通流状态很复杂，难以用简单的分布模型描述.受二分车头时距分布思想的启示，本文仍将车流归结为两种状态，即自由流状态和跟驰流[12-13］状态，通过对两种状态下车头时距分布特性的分析，提出混合车头时距分布模型.1 模型1.1 模型建立跟驰状态与自由流状态的车头时距数据性质不同，其分布规律存在较大区别.在跟驰状态下，车辆受其前方相邻车辆制约，在保证不与前车发生碰撞的前提下，追求期望的行驶速度，此时，车头时距大致在某特定范围波动;而在自由流状态下，车头时距范围相对较大.因此，单一的分布模型难以全面描述车头时距分布特性，应采用混合分布模型.混合分布模型的基本思路是将样本中不同局部对应的分布特征函数加以整合，建立能够较好地描述样本总体中具有不同特性数据的分布函数.根据文献[10］，自由行驶状态下的车头时距服从负指数分布.对于跟驰状态下的车头时距，本文假设其服从正态分布，则车头时距混合分布模型为:其中:fmix(t)——车头时距 t的概率密度分布函数;t——车头时距;w——服从负指数分布的样本占总样本的比例;μ——正态分布的期望，数值上等于跟驰状态下出现频率最高的车头时距; σ——正态分布的标准差，体现了跟驰状态下车头时距相对期望值μ的离散程度; λ——自由行驶状态的车辆到达率，其决定负指数分布形态.假定跟驰状态下车头时距服从正态分布的理由如下:(1)在跟驰状态下，大多数驾驶员能够很好地平衡行车安全与效率之间的关系，维持相对稳定的车头时距，而激进或保守型驾驶员比例较小，即极小或极大车头时距发生的概率较小，并且车头时距的发生概率从相对稳定向两个极端的变化过程是一个渐变过程，这符合正态分布的基本特征.(2)利用正态分布描述跟驰状态下的车头时距分布，其相关参数具有明确的物理意义.在统计意义上，正态分布中μ是样本的数学期望，具体在对车头时距的描述中表示大多数驾驶员期望维持的稳定的车头时距.在统计意义上，σ表示随机变量与数学期望的偏离程度，在对车头时距的描述中，表示数据整体相对驾驶员期望车头时距的离散程度.(3)正态分布形式简单，便于处理.1.2 参数估算方法对于混合分布中参数w、λ、μ、σ，直接应用极大似然估计方法的计算复杂度高，不易求解，故用EM(expecation maximization)算法进行估计.EM方法简化了极大似然估计的计算，其最大的优点是简单和稳定[14-15］.对于混合分布的样本总体，记θ为式(1)相关参数的集合.设ti为服从混合分布的样本总体中的第i个元素，令fi、f1i、f2i分别表示在参数θ限定下自变量为ti时的fmix、负指数分布和正态分布函数.由式(1)得:设Ii为对应ti的示性变量，显然，Ii服从(0，1)分布.对于任意样本元素 ti，其隶属于何种分布未知，故Ii为不可观测的随机变量.设g(ti，Ii;θ)为参数θ限定下 ti与 Ii的联合分布，表示两者同时发生的概率.由于受Ii取值范围的限制，联合分布仅存在两种情况:(1)当Ii=1时，由Ii的定义，ti服从负指数分布规律，ti与Ii同时发生的概率为wf1i;(2)当Ii=0时，ti服从f2表示的分布规律，ti与Ii同时发生的概率为(1－w)f2i.将上述两种情况加以整合，得到ti与Ii的联合分布为:从而，Ii在ti确定时的条件概率分布为:设样本量为n，EM算法的步骤为:(1)求期望(E-步)用式(3)～(5)计算条件期望:(2)极大化(M-步)求θ(m)使(3)以θ(m)作为θ(m－1)的更新值，重复步骤(1)和(2)，当满足式(8)条件时停止迭代，式中:ε——预设阈值.可通过式(9)求解M-步.最终通过4个方程求解4个未知参数，将结果送回E-步中，反复迭代得到最终的参数估计值.1.3 模型实例1.3.1 数据采集采集地点道路结构及检测带设置如图1所示.为验证模型，本文利用课题组在北京快速路采集的实际数据对模型参数进行标定，数据采集时长为1.5 h，采集路段有3个车道，分别在入口匝道上游、入口匝道下游和出口匝道下游处(分别对应位置1、2和3)设置检测带，记录车辆车头通过时刻信息.通过计算同车道内连续两辆车通过时刻的时间差，即可得到车头时距.数据包含车辆编号、车速、车头时距等信息.图1 数据采集地点示意Fig.1 Schematic diagram of data collection site1.3.2 参数估计应用参数估算方法，剔除大型车相关数据后计算混合分布参数，结果见表1.混合分布模型应用表1参数组合均能够通过显著性水平为0.05的卡方检验.表1 混合分布参数标定结果Tab.1 Parameter calibration result of mixed distribution model采集地点样本数量平均车速/(m·s－1) w μ σ λ位置1 5 471 10.5 0.24 2.45 0.82 4.32位置 2 6 635 11.1 0.23 1.88 0.62 3.83位置3 6 560 15.9 0.29 1.89 0.71 3.12混合分布参数中，w表示处于自由流状态车辆在样本总体中的比例，由于自由流状态通常对应较大的车头时距和间距，故w值可体现车流的运行状态.在表1中，受图1中入口匝道汇入车辆的影响，在入口匝道下游较上游车流量明显增加，车辆受其前车制约的几率增大.而在出口匝道，驶出车流量较少，使车辆受到的影响较小，有充分的加速机会，故在出口匝道下游车速明显提升，车队离散程度有所增加，使得车辆处于自由流状态的几率加大.而表1中的w值能够客观地反应上述过程.可认为μ是在特定驾驶环境中跟驰车辆期望达到的标准.在入口匝道上游，车流量相对较小且速度较低，使驾驶员维持一个略大的车头时距，而在入口匝道下游和出口匝道下游，车流量相对较大且速度相对较高，为维持跟驰状态，驾驶员会追求相对较小的车头时距.σ反应了样本中跟驰状态下的车头时距相对于期望值μ的偏离程度，如表1中所示，在入口匝道下游和出口匝道下游，虽然具有极为接近的μ值，但由于在出口匝道下游，经过一段时间的加速，车队离散现象会有较大幅度的增加，导致跟驰状态下车头时距的分布相对入口匝道上游趋于离散，而σ的变化反应了这一状况.1/λ在负指数分布中表征自由流状态车辆到达频率.在位置2，尽管w值有小幅降低，但由于入口匝道汇入车辆，样本总量有了较大幅度增加，使自由流状态车辆到达频率提升，较在位置1处1/λ增加;在位置3，随着自由流状态车辆比例的增加，1/λ进一步增加.2 模型验证2.1 模型对比应用实测数据对混合分布模型、负指数分布，爱尔朗分布和M3分布进行卡方检验，并对比检验结果以验证模型效果.卡方检验将样本总体划分为若干不重叠区间，通过统计各区间内依据假定分布，得到的理论发生频数与实际发生频数之间的差异，计算卡方统计量，再将其与卡方分布表中的临界值比较.若小于临界值，则检验通过，样本服从假定分布;反之，样本不服从假定分布.卡方统计量计算方法如下:其中:χ2——卡方统计量;ni——在区间i内的样本数;n——样本总量;pi——假设的分布模型在区间i内的累计出现概率.指数分布、爱尔朗分布和M3分布模型形式分别如式(11)～(13)所示.其中:fexp(t)、fE rlang(t)和 fM3(t)——各模型在车头时距为t时的概率密度分布函数; λexp、λErlang、l、λM3、tm——待定参数.根据图1所示路段的数据，用极大似然估计和文献[10］介绍的方法计算待定参数，结果见表2.以0.5 s为组距，依照卡方检验算法对车头时距分组后，将实测值在各区间内的发生频率与各分布模型相对比，如图2～4所示.表2 分布模型参数取值Tab.2 Value of distribution model parameters 位置 1 2.73 0.70 4 0.44 1.32位置 2 2.25 0.79 3 0.47 0.98位置 3 2.24 0.81 3 0.501.01图2 入口匝道上游车头时距概率对比Fig.2 Time headway vs.frequency at upstream on-ramp图3 入口匝道下游车头时距概率对比Fig.3 Time headway vs.frequency at downstream on-ramp图4 出口匝道下游车头时距概率对比Fig.4 Time headway vs.frequency at downstream off-ramp从定性角度，在发生频率曲线形式上，仅混合分布和爱尔朗分布在变化趋势上接近实测数据，负指数分布和M3分布较实测数据偏差相对较大，而混合分布与实测数据的接近程度要高于爱尔朗分布.从定量角度，卡方检验结果见表3.针对实测车头时距数据，仅混合分布模型能够通过检验.表3 卡方检验结果Tab.3 Result of chi-square test位置 1 23.550 28.869 328.600 28.869 57.600 28.869 101.800 24.996位置 2 27.662 28.869 418.000 28.869 136.500 28.869 188.700 27.587位置 3 10.732 23.685 255.800 23.685 70.400 23.685 97.300 21.0262.2 应用实例应用车头时距混合分布模型，计算图1入口匝道的通行能力[16］:其中:C——支路通行能力;q——快速路外侧车道单位时间交通量;f(t)——快速路车头时距分布模型;m(t)——快速路车辆车头时距为t时，匝道每小时可进入车辆数[16］.实测数据中入口匝道上游外侧车道流量为1 142 veh/h，设临界间隙为3 s，跟驰车头时距取1.88 s，将混合分布模型、负指数分布模型、爱尔朗分布模型和M3分布模型分别代入式(14)中，各模型参数取位置1处的估算值，得到对应的入口匝道通行能力分别为735、824、427 和1 145 veh/h，由于在采集时段入口匝道处排队现象比较普遍，可认为其接近于饱和状态.通过入口匝道上、下游车辆数，可得到入口匝道的进入流量约为776 veh/h.可见混合分布模型的计算结果与实测值最接近.3 结束语车头时距分布规律是交通流理论研究的重要内容之一，以往对车头时距分布的描述多数针对自由流状态，而对在同步流、阻塞流条件下的车头时距特性关注相对较少.且上述3种交通流状态在观测时段中经常出现共存的情况.故仅针对某种特定交通流状态下的车头时距分布进行建模存在一定的局限性.本文针对交通流中车辆个体两种不同特性的运行状态——跟驰状态与自由行驶状态，提出用混合分布模型描述车头时距分布规律，并确定混合分布模型的相关参数，利用实测数据对混合分布模型的效果进行了对比.结果表明，相对负指数分布、爱尔朗分布和M3分布模型，混合分布模型能够更好地模拟车头时距在多种交通流状态下的变化特性.该模型可拓展应用到交通状态评价、通行能力分析等方面，并为车头时距的进一步研究提供理论基础.参考文献:【相关文献】[1]WU Ning. A universal procedure for capacity determination at unsignalized(priority-controlled)intersections[J］. Transportation Research PartB，2001，35(6):593-623.[2]Transportation Research Board. Highway capacity manual2000[M］. Washington D.C.:National Research Council，2000:11-12.[3]JIN Xuexiang， ZHANG Yi， WANG Fa. Departure headwaysatsignalized intersections:a log-normal distribution model approach[J］. Transportation Research Part C，2009，17(3):318-327.[4]FAIRCLOUGH S H，MAY A J，CARTER C.The effect of time headway feedback on following behaviour[J］.Accident Analysis and Prevention，1996，29(3):387-397.[5]LI P Y， SHRIVASTAVA A.Traffic flow stability induced by constant time headway policy for adaptive cruise control vehicles[J］. Transportation Research Part C，2002，10(4):275-301.[6]RAKHA H.Calibrating steady-state traffic stream and car-following models using loop detectordata[J］.Transportation Science，2010，44(2):151-168.[7]MICHAEL P G，LEEMING F C，DWYER W O.Headway on urban streets:observational data and an intervention to decrease tailgating[J］.Transportation Research Part F，2000，3(2):55-64.[8]RAMA P，KULMALA R.Effects of variable message signs for slippery road conditions on driving speed and headways[J］.Transportation Research Part F，2000，3(2):85-94.[9]ZHU H B，DAI S Q.Analysis of car-following model considering driver's physical delayin sensing headway[J］.Physica A，2008，387(13):3290-3298.[10]王殿海.交通流理论[M］.北京:人民交通出版社，2002:13-19.[11]王殿海，马东方，陈永恒.主支路交叉口设置信号的临界流量[J］.西南交通大学学报，2009，44(5):759-763.WANG Dianhai， MA Dongfang， CHEN Yongheng.Critical traffic volume of traffic signal warrant at majorminor intersections[J］.Journal of Southwest Jiaotong University，2009，44(5):759-763.[12]JIN Sheng，WANG Dianhai，TAO Pengfei，et al.Non lane based full velocity difference car following model[J］.Physica A，2010，389(21):4654-4662.[13]GUNAY B. Car following theory with lateral discomfort[J］.Transportation Research Part B，2007，41(7):722-735.[14]CASELLA G，BERGER R L.Statistical inference[M］.Beijing:China Machine Press，2002:326-329.[15]朱利平，卢一强，茆诗松.混合指数分布的参数估计[J］.应用概率统计，2006，22(2):137-150.ZHU Liping，LU Yiqiang，MAO Shisong.Estimation of parameters of mixed exponential distribution[J］.Chinese Journal of Applied Probability and Statisics，2006，22(2):137-150.[16]关羽，张宁，朱吉双，等.考虑驾驶员行为变化的入口匝道通行能力模型[J］.交通运输系统工程与信息，2010，12(1):122-127.GUAN Yu， ZHANG Ning， ZHU Jishuang， et al.Modeling on-ramp capacity with driver behavior variation[J］. Journal of Transportation Systems Engineering and Information Technology，2010，12(1):122-127.。

双车道公路车头时距分布模型研究及应用_常玉林

112 车排队的概率为
东
南
大
学
学
报
第 29 卷
n P ( N = n) = ( 1 - Q) Q
( 16 ) ( 17 ) ( 18 )
排队车辆数多于 n 辆的概率为 n P ( N \ n) = Q 平均排队车辆数为 N = Q / (1- Q )
利用式( 18) , 可以讨论交叉口处何时采取信号控制等措施 . 假设某一交叉口主路双向交通量为 600 pcu/ h , 车头时距满足改进的 M3 分布, 由式( 14) 或图 4 得支路通行能力为 300 pcu/ h ; 假设支路平均排队车辆数小于 1 辆时采用无信号控制、大于 3 辆时采用信号控制 , 由式 ( 18) 得到支路单向交通量小于 150 pcu/ h 时采用无信号控制、大于 225 pcu/ h 时采用信号控制.
函数为 f ( t ) ; 当主路上车头时距为 t 时可以通过 g ( t ) 辆支路上的车辆 . 假设主路交通量为 q , 则支路的通行能力为 C= q
Q f ( t ) g ( t ) dt
0
+ ]
( 10 )
设支路车流穿越主路车流的临界间隙和随车时距分别为 t c 和 t f, 则当 t 满足 t c + ( n - 1 ) t f [ t < t c + nt f 时 , g( t ) = n. 由此可得到当 f ( t ) 为各种不同的分布时的次车流通行能力[ 4 ] , 其结果如式( 11) ~ ( 15) 及图 4 所示 . 当 f ( t ) 为负指数分布时 , 有 t -K t c/ ( 1- e f) C = q e- K ( 11 )
0 [ t< $ $1 [ t < $2 ( 7)

机动车车头时距分布的韦布尔修正模型

姚荣涵1 ,王殿海2 ,李丽丽2
(1. 大连理工大学国际航运中心研究院 ,辽宁大连 116024 ;2. 吉林大学交通学院 ,长春 130022)
摘要 :为了更好地描述机动车到达规律 ,基于韦布尔分布函数建立了描述机动车车头时距分布的韦布尔修正模型。利用长春市典型路段的调查数据对比分析了韦布尔模型、负指数模型、移位负指数模型与韦布尔修正模型对车头时距分布的拟合效果 ,进一步分析了韦布尔模型与韦布尔修正模型中的拟合参数。结果表明 :韦布尔模型与韦布尔修正模型的拟合结果明显优于负指数模型与移位负指数模型 ;韦布尔修正模型比韦布尔模型更具有普适性 ,其拟合结果更优。研究成果可以为认识机动车到达规律提供理论工具与方法 ,为城市交通信号方案设计与优化奠定理论基础。关键词 :交通运输系统工程 ;交通流 ;到达规律 ;车头时距 ;韦布尔分布中图分类号 : U491. 1 文献标识码 :A 文章编号 :167125497 (2009) 0220331205
Abstract :To describe t he moto r2vehicle arrival pat tern bet ter , a revised Weibull model ( RWM) was developed based o n t he Weibull dist ributio n f unctio n to explain t he headway dist ributio n of motor2 vehicle. The fit tings of t he Weibull model ( WM ) , t he negative expo nential mo del ( N EM ) , t he displaced negative expo nential model ( DN EM ) and t he RWM to t he headway dist ributio n were co nt rasted using t he survey data f ro m t he t ypical road segment s in Changchun cit y , and t he fit ting parameter s of t he WM and t he RWM were analyzed f urt her. The result s show t hat t he WM and t he RWM have advantage over t he N EM and t he DN EM. The generalit y and t he fit ting effect of t he RWM is bet ter t han t he WM. The achieved result s p rovide a t heoretical tool and app roach to recognize t he arrival pat tern of t he motor2vehicle and give a t heoretical basis fo r design and optimizatio n of t he signal scheme in t he urban t raffic system. Key words :engineering of co mmunicatio ns and t ranspo rtatio n system ; t raffic flow ; arrival pat tern ; headway ; Weibull dist ributio n

普通公路车头时距分布特征研究

理想条件下路网临界车头间距的研究

信号交叉口车头时距特性分析

城市快速路交通流车头时距分布特性分析

车头时距计算公式

交通调查与分析

城市快速路交织区车头时距分布特征研究

信号交叉口车头时距特性分析

平均车头时距 和 车头时距的平均值

车头时距实验的方法

高速公路合流区1车道车头时距分布特征

车头时距对道路通行能力的修正系数研究

基于车头时距的城市多向交叉口小客车当量换算方法探讨

车头时距对道路通行能力的修正系数研究

车头时距混合分布模型

双车道公路车头时距分布模型研究及应用_常玉林

机动车车头时距分布的韦布尔修正模型

平均车头时距和车头时距的平均值