第9章 交通影响模型
交通事故对通行能力的影响模型
![交通事故对通行能力的影响模型](https://img.taocdn.com/s3/m/ebddd85283c4bb4cf7ecd1d1.png)
承诺书
我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模 竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”,可从全国大学生数学建模 竞赛网站下载)。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮 件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问 题。
7
通行系数
4 3.5
3 2.5
2 1.5
1 0.5
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
通行系数
图 2 视频一的通行系数变化趋势图
结合表 1 和图 1,再由通行能力系数的变化趋势图(图 2)可知,视频一中的道 路通行能力在事故发生前后事故处理后都相对于事故发生时到处理完毕过程畅 通。 利用 Excel 中的回归分析得到通行能力系数( z1i )与过事故地点车辆数( x1i )
我们授权全国大学生数学建模竞赛组委会,可将我们的论文以任何形式进行 公开展示(包括进行网上公示,在书籍、期刊和其他媒体进行正式或非正式发表 等)。
我们参赛选择的题号是(从 A/B/C/D 中选择一项填写): A 我们的参赛报名号为(如果赛区设置报名号的话): 所属学校(请填写完整的全名): 贵州民族大学 参赛队员 (打印并签名) :1. 钟迪
ki1 :Ti 时间内事故点上游瓶颈段的交通密度 ki2 :Ti 时间内事故点瓶颈段的交通密度
5
k j :为该路段的交通堵塞密度 Q's :T2 时间内,事发点断面通行能力一般会变化 W:波速 W12 :集散波的波速; Q1 和 Q2 :前后两种车流状态的流量 K1 和 K 2 :前后两种车流状态的密度 V1 和V2 :前后两种车流状态的速度 W1 ,W2 :集散波的波速,单位km/h V:行车速度 K:汽车的密度 l :排队长度 q1:事故横断面实际流量 q2:路段上游车流量 N:事故横断面实际通行能力 t:堵车时间 v1 :车道堵塞时车辆缓行速度 v1
第09章基本交通分配模型
![第09章基本交通分配模型](https://img.taocdn.com/s3/m/682d467da0116c175e0e48ed.png)
计算网络中每个出发地O到目的地D的最短路线;
将该OD交通量全部分配最短路线上;
每分配完一对OD后进行流量迭加,直到最后一对OD 分配完毕。
❖ 0-1分配法的特点 计算简单; 是其它交通分配的基础; 出行量分布不均匀,全部集中在最短路上; 未考虑路段上的容量限制,有时分配到的路段交通量大 于道路的通行能力; 有时某些路段上分配到的交通量为0,与实际情况不符; 随着交通量的增加,未考虑到行程时间的改变。
最短路分配(0-1 分配) 多路径分配
有迭代分配方法
容量限制-最短路分配 容量限制-多路径分配
9.3 非均衡交通分配模型 9.3.1 最短路交通分配法(all or nothing traffic assignment
model)
❖ 分配原理:每一OD对对应的OD量全部分配在连接该OD对 的最短路线上,其它道路上分配不到交通量。
普遍取 1 n 。
分配算例:
试用二次加权平均分配法(MSA方法)求解下面的固定需 求交通分配问题(迭代2次)。
t1
1
2
t2
t1 20 0.01x1 t2 16 0.1x2 q12 100
9.4 用户优化均衡交通分配模型(User Equilibrium Model) UE(用户均衡)的概念最早由Wardrop于1952年提出。 User Equilibrium的基本假设有:
流量{yan} 。
Step3:计算各路段的当前交通量:
xn1 a
xan
( yan
xan )
,
0
1,
A
。
Step4:如果
xn1 a
与
xan
相差不大,则停止计算,
xn1 a
交通影响评价PPT课件
![交通影响评价PPT课件](https://img.taocdn.com/s3/m/c5f02bcba2161479161128a2.png)
道路流量调查
• 选择调查高峰时间 • 调查道路:为建设项目影响区域的所有快速路、主干路、次干路及支路 • 选取断面 • 车辆分类 • 记录方法:15min为一个时间段 • 调查表格 • 调查成果:调查路网及具体调查道路地点(附调查点照片)以及调查道路早高峰或晚高峰小时分车型机动
车流量
• 启动阈值
第7页/共25页
研究范围确定(2)
• 交通影响评价的区域研究范围确定方法: • 国外:烟雨模型、圈层外推法(定量计算) • 国内:见下表
第8页/共25页
研究范围确定(3)
• 交通影响评价的研究时间范围确定
第9页/共25页
交通现状调查 • 对项目周边路网进行交通量调查,掌握周边交通流时空变化特性,道路测:由于项目开发导致的新增交通量 • 流程
➢出行生成预测
• 类比法 • 吸引率法:根据用地项目的开发强度,通过单位用地的产生吸引率来推
算
➢出行分布预测 ➢交通方式划分 ➢交通分配
第20页/共25页
交通影响评价(1)
• 运用VISUM进行仿真,将背景交通量与诱增交通量叠加,得到 目标年各路段交通流量和路段服务水平,进行交通影响评价。
第23页/共25页
第24页/共25页
谢谢大家!
第25页/共25页
交通分配
类比法 吸引率
网络评价
第18页/共25页
背景交通量预测
• 背景交通量
➢过境交通:研究范围内路网上通过性交通以及已建项目所产生 和吸引的交通
➢其他项目交通:指研究范围内在建和代建项目所产生的交通 • 常用方法:背景交通量将根据交通现状调研结果以及未来该区域土
地利用规划方案,采用增长率法,可利用VISUM软件仿真获取。
交通流理论
![交通流理论](https://img.taocdn.com/s3/m/ca486c0bbdd126fff705cc1755270722192e59a1.png)
交通流理论交通流理论是运用数学、物理学和力学的原理描述交通流特性的一门边缘学科,是研究交通流随时间和空间变化规律的模型和方法体系,其目的是为了阐述交通现象形成的原理。
目前,对交通流理论的定义不尽相同,但归纳各种定义的主要思想,可以给交通流理论这样一个定义:交通流理论是研究在一定环境下交通流随时间和空间变化规律的模型和方法体系。
根据上述定义,交通流理论设计的范围非常广泛,其研究内容很难一言以蔽之。
参考各种文献资料后,将交通流理论的研究内容分为以下12部分:(1)交通流特性主要介绍交通流的几个参数的概念和基本公式及交通调查的几种常用方法和特点。
重点研究交通流参数经常用到的两类统计分布,即:离散型分布和连续型分布。
(2)交通流模型交通流模型主要指速度—流量,速度—密度,流量—密度模型。
交通流模型能实现交通流变量之间的转换,即能实现控制变量与交通性能指标之间的转换,从而在交通管理中可用于控制某个变量以使交通性能达到最优的的目的。
(3)驾驶人交通特性在此驾驶人交通特性主要是指驾驶人对交通流的影响。
包括人—车—路系统中驾驶人的驾驶任务,驾驶人的离散交通特性及根据闭环控制原理,研究驾驶传递函数及其应用,驾驶人交通特性在交通流中的应用,驾驶人交通特特性在交通流中的作用,包括坡道加速公式,可叉车间隙和合流,停车视距和交叉口视距以及速度错觉,信息干扰,实时信息等内容。
(4)车辆跟驰理论交通流车辆跟驰理论是应用动力学方法,将交通流处理为分散的粒子组成,从围观角度探究在无法超车的单一车道上车辆列队行驶时,后车跟随前车的行驶状态,并用数学模式表达而加以分析阐明的一种理论。
(5)排队理论及应用(6)连续交通流模型(7)宏观交通流模型(8)交通影响模型(9)无信号交叉口理论(10)信号交叉口理论(11)交通系统仿真(12)交通流理论的应用城市道路信号交叉口作为城市道路网络中通行能力和交通安全的瓶颈,在道路衔接中起着举足轻重的作用,其通行能力的大小很大程度上决定或制约着整个城市路网的通行能力,影响着城市交通网络的运输能力。
综合运输概论课件 第9章 综合运输规划
![综合运输概论课件 第9章 综合运输规划](https://img.taocdn.com/s3/m/e48971de5fbfc77da269b184.png)
综合运输网络原有运输能力没有富余
综合运输网络的规模经济效应
能力允许前提下,规模越大,单位产品成本下降
而收益上升
18
二、综合运输网络规划
综合运输网络相容性
点和线、线和线具备顺畅的连接、能力相容
综合运输网络的标准
建设技术、运输工具、运输信息技术标准
3
一、综合运输规划概述
2、综合运输规划的阶段与层次
战略规划(宏观规划)
网络规划(中观规划) 工程规划(微观规划)
4
一、综合运输规划概述
(1)战略规划——是长远的方向性规划,年限在20年以上。
解决的问题有:
远景交通发展目标及水平 远景交通方式及交通结构 远景城市对外交通和市内客货运输设施的选址及用地
33
四、综合运输枢纽规划
1、综合交通运输枢纽的功能和分类
交通运输枢纽是指在两条或两条以上交通运输线路的 交会、衔接处形成的,具有交通运输组织与管理、中转 换乘及换装、装卸存储、信息流通和辅助服务等功能的 综合性设施。
单式交通运输枢纽:服务于一种运输方式
综合交通运输枢纽:服务两种或两种以上运输方式
6
一、综合运输规划概述
(3)交通近期建设规划——近几年(3-5年)要动工的项 目的具体方案规划。包括:
现状交通网络评估 现状交通网络的完善计划(项目划分及优先排序) 道路交通建设项目方案设计 近期大型建设项目的可行性分析
7
一、综合运输规划概述
3、国外综合运输规划的经验
1
发展综合交通网络系统和公共交通
资料建档
调查分析诊断 目标确定 体制和财政分析 供给分析
交通系统模型
![交通系统模型](https://img.taocdn.com/s3/m/5dfbae02a6c30c2259019eec.png)
• X——各种交通方式承担的客运周转量。其中,客运周转量
是指在一定时间内实际运送的旅客人数与其相应的旅客运输 距离成绩之和; • A——约束方程组的系数矩阵。
4 OM:SM
建立模型的基本依据
• 合理、科学的大城市客运交通结构不仅应满足:
①城市居民的出行需求
• 包括 (1)空间位移的要求
(2)出行时耗的要求
xi
i 1 n
t LR
xi
i
e
i 1 n
xi ENC
j
i 1
pi
xi EC
j
G( 1
)
i 1
n
xi hi
G( 1
)
OM:SM
min max xi xi xi
6
参数分析
D ——通过交通需求预测求得的城市居民交通需求总量,人 km v ——第i种交通方式的平均速度; t ——规划年城市居民的平均出行时间预算; R li ——第i种交通方式的动态占用道路面积; LR ——规划年城市人均占用道路面积; ei ——规划年第i中交通方式的能量消耗因子; ENC ——规划年城市客运交通分担的能源消耗上限; Pij i j g/ km EC j ——城市交通第j中污染物的环境容量,g; G ——规划年城市居民出行总量;
s.t.
c
a11 x11 + a12 x12 + …… + a1n x1n = b1 a21 x21 + a22 x22 + …… + a2n x2n = b2
… …
am1 xm1 + am2 x1 , x2 , …… , xn
(1)决策变量
城市交通规划中交通影响分析的模式与模型
![城市交通规划中交通影响分析的模式与模型](https://img.taocdn.com/s3/m/a3d0462b453610661ed9f4fd.png)
城市交通规划中交通影响分析的模式与模型交通0102 20012614 虎威摘于《北美交通信息》内容提要:本文比较全面系统地总结了城市用地开发交通影响分析的常用模式与模型,包括交通影响分析的一般程序、背景交通分析、出行发生、出行分布与交通分配,以及服务水平敏感性分析等主要内容。
这些模型和模式虽然是建立在北美国家城市交通特性和社会经济价值观念基础之上,但仍不失其一般性的借鉴与指导意义。
本期继续刊出这篇文章的第四部分。
交通影响分析的一个主要目标是评估用地开发项目所产生的出行量对周边道路网络每一路段和每一交叉口的影响程度。
因此,弄清每一路段的新增流量和每一交叉口的转向流量变化是用地开发项目交通影响分析的一项重要内容。
这可以通过出行分布和交通分配来完成。
(一)出行分布交通影响分析采用的所有出行分布方法都是基于这样一个基本假设:即用地项目建成后将形成一个影响区域。
这一影响区域就是交通影响分析的研究范围,或称为分析区(study area)。
有些出行分布方法进一步把分析区划分为交通分区(zone)。
出行分布的目的就是要计算用地项目与每一分区之间的出行分布量。
目前常用的出行分布方法有:类比分析法,OD调查法,市场分析法,重力模型法和相关系数模型法。
1.类比分析法假如在一写字楼集中的办公区再新建一幢写字楼,或在一商业中心新盖一家商店,再或者在一居住区新修一幢公寓等等,这些新开发项目的出行分布模式有可能与现有物业设施的出行分布模式相似。
类比分析法就是基于这一假设,借用现有同类物业设施的出行分布数据来估计新开发项目的出行分布。
类比分析法的局限在于,在附近要能找到相近规模的同类物业设施,并能够收集或通过适当方式调查到该同类物业设施的出行分布数据。
比如在北美国家,可通过顾客购物的信用卡记录来分析现有商店的顾客出行分布数据。
2.OD调查法在类比分析法中,附近同类物业设施的出行分布数据还可以通过OD抽样调查法获得。
例如对商业服务设施,可以根据某种抽样原则来调查顾客的OD数据。
道路安全管理中的交通流预测模型研究
![道路安全管理中的交通流预测模型研究](https://img.taocdn.com/s3/m/13241311e3bd960590c69ec3d5bbfd0a7856d555.png)
道路安全管理中的交通流预测模型研究近年来,由于交通拥堵和交通事故频发,道路安全管理已经成为政府和社会关注的热点问题。
为了解决这个问题,许多交通流预测模型被提出和应用于实践中。
本文将探讨道路安全管理中的交通流预测模型研究。
一、交通流预测模型的意义交通流预测模型,是一种预测交通流量和拥堵程度的数学模型。
这个模型可以帮助交通管理者预测未来的交通状况,从而采取措施来缓解交通压力,减少交通事故和提高交通流畅度。
同时,交通流预测模型还可以让市民更加方便地选择出行路线,节省时间和成本,提高生活质量。
二、交通流预测模型的分类交通流预测模型可以分为宏观模型和微观模型两类。
宏观模型是基于整体交通体系的预测模型,侧重于预测交通的总量、拥堵程度和出行方式等。
常见的宏观模型有线性回归模型、传输模型和DYNAMIC模型等。
微观模型则是基于单个车辆的模型,侧重于预测车辆的行为和路径选择。
常见的微观模型有Agent-Based模型和微观仿真模型等。
三、交通流预测模型的应用交通流预测模型的应用已经渗透到社会生活的方方面面。
例如,在城市规划和交通工程设计上,交通流预测模型可以帮助规划师和工程师更精确地估计城市交通状况,从而绘制更为科学的路线图和道路导向图。
在数据分析和交通研究上,交通流预测模型可以帮助学者研究不同车辆流量、不同车辆类型和不同车速对交通拥堵的影响,进而提升城市运营效率。
四、交通流预测模型的优化虽然交通流预测模型已经取得了一定的成果,但是其仍然存在许多问题和挑战。
例如,宏观模型只能对交通流量进行全局预测,无法对交通状况进行细粒度的建模,微观模型对交通流量进行细致的建模,但是需要大量的数据和计算成本。
为了解决这些问题,需要进行交通流预测模型的优化。
例如,可以将宏观模型和微观模型相结合,从而获得更全面和精确的交通预测结果。
此外,可以采用机器学习、神经网络等新型技术来优化交通流预测模型,提高模型的准确性和计算效率。
结论交通流预测模型是提高道路安全管理的关键技术之一。
交通流理论要点集
![交通流理论要点集](https://img.taocdn.com/s3/m/1853534ebe1e650e52ea995a.png)
交通流理论要点一、传统交通流理论与现代交通流理论的区别:传统交通流理论所谓的传统交通流理论是指以数理统计和微积分等传统数学和物理方法为基础的交通流理论,其明显特点是交通流模型的限制条件比较苛刻,模型推导过程比较严谨,模型的物理意义明确,如交通流分布的统计特性模型、车辆跟驰模型、交通波模型、车辆排队模型等。
传统交通流理论在目前的交通流理论体系中仍居主导地位,并且在应用中相对成熟。
现代交通流理论现代交通流理论是指以现代科学技术和方法(如模拟技术、神经网络、模糊控制等)为主要研究手段而形成的交通流理论,其特点是所采用的模型和方法不追求严格意义上的数学推导和明确的物理意义,而更重视模型或方法对真实交通流的拟合效果。
这类模型主要用于对复杂交通流现象的模拟、解释和预测,而使用传统交通流理论要达到这些目的就显得很困难。
传统交通流理论和现代交通流理论并不是截然分开的两种交通流理论体系,只不过是它们所采用的主要研究手段有所区别,在研究不同的问题时它们各有优缺点。
在实际研究中常常是两种模型同时使用效果更好。
二、交通流理论的研究内容交通流理论研究内容划分成如下10个部分:(1)交通流特性(Traffic Stream Characteristics)研究表示交通流特性的三个参数:流量、速度、密度的调查方法、分布特性及三者之间关系的模型。
(2)人的因素(Human Factors)研究驾驶员在人、车、路、环境中的反应及其对交通行为的影响。
(3)车辆跟驰模型(Car Following Models)研究车辆的跟驰行为、交通的稳定性和加速度干扰等数学模型。
(4)连续流模型(Continuous Flow Models)利用流体力学理论研究交通流三个参数之间的定量关系,并根据流量守恒原理重点研究交通波理论。
(5)宏观交通流模型(Macroscopic Flow Models)在宏观上(即在网络尺度上)研究流量、速度和密度的关系,重点研究路网不同位置(相对城市中心而言)的交通流特性(书二)。
交通影响模型
![交通影响模型](https://img.taocdn.com/s3/m/3b87b3af284ac850ad02424a.png)
4.3.4 小结
各类车辆的平 均辐射声级
各种车辆的平 均小时交通量
输入参数
各类车辆的平 均行驶速度 距离、纵坡、路 面、曲线、障碍 物对交通噪声的 修正参数
5 振动影响
当汽车行驶于凹凸不平的路面上,会产生上下、左右或前后摇动,这种不断 变换方向的冲击力作用于车体的各部,作用于车上的乘客,作用于路面,路面又 将这巨大的外力传给路基,路基又传给通路两侧房屋设施,于是沿线一带就产生 不同程度的振动。当振动超过某种限度就会对人的心理和生理上产生某种有害的 影响。 根据国标(C81M71—88)规定,人体全身振动的感受与振动加速度的对数值 大体成正比,定义为VAL,单位为分贝(dB),计算公式如下:
(5)公路弯曲或有限长路段引起的交通噪声修正量
式中:θ为预测点与公路两端视线间的夹角(度),ΔL2树林、 ΔL2建筑物、 ΔL2声影区 分别为树林障碍物、建筑障碍物、公路路堤或低路堑两侧声影区引起的等效A声 级衰弱量。
4.3 道路交通噪声预测模型
4.3.3 预测模型的适用范围
预测点在距噪声等效行车线7.5内远近 车辆平均行驶速度在20 ~ 100Km/h之间 预测精度为± 2.5dB
4.3.2预测模型中各参数的标定
(1)各类模型车辆的平均辐射声级Lwi 可根据不同的车型建立车速和声压级的关系,其模型可表示:Lwi=a+bur 其中,a,b为参数,ur为车辆平均实行速度(Km/h)
07交通运输工程学课件-9章
![07交通运输工程学课件-9章](https://img.taocdn.com/s3/m/0d55a0d63186bceb19e8bb95.png)
②、对训练样本进行数值处理 ;
③、初始化BP网络各层的权值和阈值,网络学习训练 ; ④、预测交通流量
三、交通网络实时动态行程时间预测方法(P89-P91)
(介绍车流服从poisson分布的随机服务系统的行程时间预测模型)。
通过某一路段总的行程时间包括:车辆在该路段上的平均行驶时 间、在下游交叉处的排队等待时间,通过该交叉口的时间等。 1、行驶时间的计算; 2、排队等待时间计算;
s,S U s =V,S∩ s =Φ,Vs、Vt分属S、s 满足:①G(V,E-E’)不
连通;②E”为 E’的真子集,而 G(V,E-E”)仍连通,则称 E’为 G的割集,记 E’= S-
s
。 割集(S, )中所有始点在S,终点在
s
s的边的容量之和称为(S,)的割集容量,记为C(S,)。 s s
E={(VS,V1) ,(VS,V2), (VS,V3) ,(V1,V4) ,(V1,V5) ,(V2,V5) ,
⒂、最后一个T标号 T(V8),改T(V8)为 P(V8)
→ P(V8)=15
计算结果:V1到V8之最短路为 V1 V2 V5 V7 V8 ; 路长: L18=15, 同时得到V1点到其余各点的最短路:L12=4 L13=6、 L14=9、L15=8、 L16=13、 L17=14。
4、问题讨论
(V2,V6),(V3,V6) ,(V4,Vt), (V5,Vt) ,(V6,Vt)} E’= {(VS,V1) , (V2,V5) , (V6,Vt)}将G分为两个子图G1,G2,其顶点集 分别为S和
s。
S= {VS, V2, V3,V6}
s = {V , V , V ,V }
1 4 5 t
G(V,E-E’)不连通。 E’’ = {(V2,V5) } 为 E’的真子集,而 G(V,E-E”)仍连通,称 E’
交通事故预测模型的构建与应用
![交通事故预测模型的构建与应用](https://img.taocdn.com/s3/m/fa7a94d464ce0508763231126edb6f1aff007137.png)
交通事故预测模型的构建与应用在现代社会,交通事故已成为一个严重的公共安全问题,给人们的生命财产带来了巨大的损失。
为了有效地预防和减少交通事故的发生,构建科学准确的交通事故预测模型具有重要的现实意义。
交通事故的发生是一个复杂的过程,受到多种因素的综合影响。
这些因素包括道路条件、交通流量、车辆性能、驾驶员行为、天气状况等等。
要构建一个有效的预测模型,首先需要对这些影响因素进行深入的分析和研究。
道路条件是影响交通事故的重要因素之一。
道路的宽度、坡度、曲率、路面状况等都会对车辆的行驶安全产生影响。
例如,狭窄的道路容易导致车辆之间的碰撞,而崎岖不平的路面则会增加车辆失控的风险。
交通流量也是一个关键因素。
高流量的交通状况往往会增加交通事故的发生概率。
车辆之间的间距变小,驾驶员的反应时间缩短,容易引发追尾等事故。
车辆性能的好坏同样不可忽视。
制动系统的可靠性、轮胎的磨损程度、车辆的稳定性等都会影响在紧急情况下车辆的操控和安全性能。
驾驶员的行为更是交通事故的主要诱因。
超速、疲劳驾驶、酒后驾驶、违规超车等不良驾驶行为大大增加了事故发生的可能性。
天气状况对交通事故的影响也不可小觑。
恶劣的天气如暴雨、大雾、冰雪等会降低道路的能见度和摩擦力,从而增加事故的风险。
在明确了影响交通事故的主要因素后,我们可以选择合适的方法来构建预测模型。
常见的方法有统计分析方法、机器学习方法和深度学习方法等。
统计分析方法是一种传统的建模手段,例如线性回归、逻辑回归等。
通过对历史交通事故数据的统计分析,找出事故发生与各个影响因素之间的量化关系。
这种方法相对简单直观,但对于复杂的非线性关系可能难以准确捕捉。
机器学习方法,如决策树、随机森林、支持向量机等,具有更强的处理复杂数据和非线性关系的能力。
它们能够自动从数据中学习特征和模式,从而提高预测的准确性。
深度学习方法,特别是基于神经网络的模型,如卷积神经网络和循环神经网络,在处理大规模数据和挖掘深层次特征方面表现出色。
交通信息对交通行为影响的评价模型
![交通信息对交通行为影响的评价模型](https://img.taocdn.com/s3/m/765c4368561252d380eb6ebd.png)
2002年10月系统工程理论与实践第10期 文章编号:100026788(2002)1020081203交通信息对交通行为影响的评价模型黄海军,吴文祥(北京航空航天大学经济管理学院,北京100083)摘要: 用随机均衡和确定性均衡两种交通分配模型分析了交通信息对交通行为的影响Λ虽然研究工作是在简单网络和线性成本假设下进行的,但所得结论却引人思考,即交通信息的有效性不是普遍的,而是有条件的Λ关键词: 交通信息;交通行为;均衡分配;有效性中图分类号: U491.31 文献标识码: A M odels fo r Evaluating I m pacts by T ravelInfo rm ati on System s on T ravel Behavi o rHU AN G H ai2jun,W U W en2x iang(Schoo l of Econom ics&M anagem en t,Beijing U n iversity of A eronau tics&A stronau tics,Beijing100083,Ch ina) Abstract: T h is paper investigates the i m pacts by travel info rm ati on system s on travel behavi o rth rough u sing tw o models nam ely stochastic and determ in istic u ser2equ ilib rium assignm en ts.T he studyleads to an in teresting in sigh t that the effectiveness of travel info rm ati on system s is no t general bu t con2diti onal.T he w o rk is carried ou t under the assump ti on of linear co st functi on s in a si m p le netw o rk.Key words: traffic info rm ati on;travel behavi o r;equ ilib rium assignm en t;effectiveness1 引言许多研究人员发现公路网络的利用效率不高,例如,K ing等人的研究表明,距离的6%和时间的12%被浪费掉了[1,2],Jeffery认为驾车者平均多行驶了6%的不必要距离[3]Λ因此现有的交通网络还有较大的能力提高空间,只要向用户及时提供信息,诱导好交通流,减少不必要行驶,就可以提高网络的运行效率ΛT su ji等人的模拟结果显示交通信息系统可以给有信息获得能力的驾车者带来9%到14%的收益,如果考虑突发性的交通拥挤,有信息获得能力的驾车者的收益还会更多[4]ΛKanafan i和A l2D eek运用简单的理论模型发现,交通信息系统可使公路网络进入最佳使用状态,产生4%的净收益[5]ΛYang等人亦在近年做了相关的研究工作[6-8]Λ然而,交通信息提供的有效性是普遍的吗?前人未做回答Λ况且,交通信息虽然改变了当前的交通拥挤状况,但又会诱发新的交通需求,产生新一轮的交通拥挤Λ本文用解析模型在比较简单的假设条件下回答这两个问题,从另一个侧面理性地、公平地看待交通信息提供的有效性Λ2 模型与分析设网络中有两条平行路径,它们的行驶成本函数分别为C1(x1)=a1x1+b1,C2(x2)=a2x2+b2,其中a1和a2分别是路径1和路径2的拥挤系数,与通行能力成反比,b1和b2分别是路径1和路径2的自由行驶费用Ζ在本文中假设a1>a2,b1Εb2,这表明路径1比路径2长,但通行能力要小一些Ζ这种线性成本假设在我们研究交通事故信息发布的有效性时也用过[9],可以基本反映拥挤特征Ζ当总交通量为N时,网络的个人平均行驶成本为收稿日期:2002203225资助项目:国家杰出青年科学基金(79825101) 作者简介:吴文祥(1972-),男,安徽贵池人,研究生TA C=1N[x1(a1x+b1)+x2(a2x2+b2)](1)其中有x1+x2=N(2) 假设两条路径的交通状态(拥挤程度)信息不向外发布,驾车者根据自己的经验估计选择路径,则我们可以用logit随机均衡分配模型来描述这种经验行为[10-12],路径i上的流量为x s i=Nexp(-Η(a i x s i+b i))62i=1exp(-Η(a i x s i+b i)), i=1,2(3)式中,Η与人们对路况水平估计的随机偏差有关,Η值越小,偏差越大,路径选择的随机性越强;Η值越大,路径选择越明智Ζ由(3)式可变换得x s1exp(Η(a1x s1+b1))=x s2exp(Η(a2x s2+b2))(4) 定理1 可能的路径流量分布是x s1<x s2,且a1x s1+b1>a2x s2+b2(5) 证明 显然x s1=x s2不可能,否则(4)不成立;其次x s1>x s2也是不可能的,否则从(4)推出a1x s1+b1< a2x s2+b2,这与函数的参数关系是矛盾的;再考虑x s1<x s2,从(4)式推出a1x s1+b1>a2x s2+b2,这是可能的Ζ现在假设:网络中引入了先进的交通信息系统,两条路径的交通状态及时向外发布,驾车者可以根据实际行驶费用来选择最佳路径Ζ根据W ardrop用户均衡原则[13],系统将达到一个确定性(determ in istic)均衡状态,此时有a1x d1+b1=a2x d2+b2(6) 将x s2=N-x s1代入(5),得x s1>(a2N+b2-b1) (a1+a2),而从(6)式易知x d1=(a2N+b2-b1) (a1+ a2),所以x s1>x d1,自然x s2<x d2Ζ这似乎表明,由于随机择路行为的盲目性,通行能力小的路径上多了一些“不必要”的流量Ζ这部分多出来的流量真的是不必要的吗?流量分布从(3)变成(6)一定是有效的吗?换句话说,交通信息发布一定是有效的吗?下面我们分析个人平均成本在信息提供以后的变化情况Ζ将x2=N-x1代入(1)得TA C=a1+a2Nx1-2a2N+b2-b1)2a1+2a22+a2N2+b2Na1+a2-2a2N+b2-b12a1+2a22(7) 令随机均衡状态的个人平均成本为TA C s,确定性均衡状态的个人平均成本为TA C d,有TA C s-TA C d=a1+a2Nx s1-2a2N+b2-b12a1+2a22-x d1-2a2N+b2-b12a1+2a22(8)从(6)可得x d1=a2N+b2-b1a1+a2(9)进而有x d1-2a2N+b2-b12a1+2a2=b1-b22a1+2a2>0(10) 从(5)可推出x s1>(a2N+b2-b1) (a1+a2),则x s1-2a2+b2-b12a1+2a2>b2-b12a1+2a2<0(11) 显然不能推出x s1-2a2N+b2-b12a1+2a2>b1-b22a1+2a2(12) 定理2 存在两种情况,当a1x s1>a2x s2时,信息提供降低了网络的平均个人行驶费用,交通信息的引入是有效的;当a1x s1Φa2x s2时,信息提供增加了网络的平均个人行驶费用,交通信息系统的引入是无效的Ζ证明 由定理1,x s1<x s2,根据成本函数的参数关系,存在两种情况,a1x s1>a2x s2和a1x s1Φa2x s2Ζ当a1x s1>a2x s2时,有x s1>a2Na1+a2,进而(12)式成立Ζ将(10)与(12)代入(8)有TA C s-TA C d>0,表明信28系统工程理论与实践2002年10月息提供是有效的,它降低了网络的平均个人行驶费用,整体上产生了效益Ζ当a 1x s 1Φa 2x s 2时,有x s 1Φa 2Na 1+a 2,可以推证出TA C s -TA C d Φ0,表明信息提供反而增加了网络的平均个人行驶费用,整体上产生了负效益Ζ很容易证明,Η越小,x s 1-x d 1越大,TA C s -TA C d 的值越大,信息提供的价值就越大;反之越小Ζ下面举两个例子来说明问题Ζ例1,设两条路径的行驶成本函数分别为C 1(x 1)=2x 1+6,C 2(x 2)=0.5x 2+5,总流量为7,参数为Η=0.1Ζ根据logit 随机均衡模型,x s 1=2.7474,x s 2=4.2526,个人平均行驶费用TA C s =9.4484Ζ引入交通信息系统以后的确定性均衡状态为x d 1=1,x d 2=6,个人平均行驶费用TA C d =8Ζ因为a 1x s 1=5.495>a 2x s 2=2.126,所以TA C s >TA C d ,可见信息系统的引入是有效的Ζ例2,设两条路径的行驶成本函数分别为C 1(x 1)=0.6x 1+14,C 2(x 2)=0.5x 2+2,总流量为35,参数为Η=0.1Ζ此时x s 1=11.4986,x s 2=23.5014,个人平均行驶费用TA C s =16.0992;x d 1=5,x d 2=30,个人平均行驶费用TA C d =17Ζ因为a 1x s 1=6.899<a 2x s 2=11.751,TA C s <TA C d ,可见信息系统的引入不能降低个人平均行驶成本Ζ3 诱发新的交通需求当a 1x s 1>a 2x s 2时,信息系统的引入降低了个人出行费用,长远地看,必然会诱发新的交通需求,从而可能导致新一轮交通拥挤Ζ为了便于研究,先找出临界诱发量,即诱发的新交通需求所带来的个人行驶费用的提高量等于信息系统引入所带来的个人行驶费用的降低量Ζ设诱发的交通需求为∃x ,两条路径上的新增交通需求分别为∃x 1和∃x 2,即有∃x =∃x 1+∃x 2Ζ显然,在新交通需求下的确定性用户均衡状态,有a 1(x d 1+∃x 1)+b 1=a 2(x d 2+∃x 2)+b 2(13)用(13)式减去(6)式,得a 1∃x 1=a 2∃x 2(14)(14)式实际上就是个人平均成本的提高量Ζ结合∃x =∃x 1+∃x 2,可解出a 1∃x 1=a 2∃x 2=a 1a 2∃x a 1+a 2Ζ令TA C s -TA C d =a 1a 2∃x a 1+a 2,临界诱发量就是∃x 3=(a 1+a 2)(TA C s -TA C d )a 1a 2(15) 定理3 当诱发的交通量∃x <∃x 3时,交通信息系统的引入仍然降低网络个人平均行驶费用,降低量为(TA C s -TA C d )-a 1a 2∃x a 1+a 2;当诱发的交通量∃x Ε∃x 3时,交通信息系统的引入不能降低网络的个人平均行驶费用,反而会增加网络的个人平均行驶费用,达不到减缓拥挤的目的Ζ证明 从推导(15)式的过程可以直接产生定理3Ζ此外,由关系a 1∃x 1=a 2∃x 2和a 1>a 2可知,即新诱发的交通量多数进入通行能力较大的路径Ζ4 结论本文在线性成本函数的假设条件下,研究交通信息系统对交通行为的影响,解析地得出一些重要结论Ζ交通信息系统不一定能降低驾车者的个人行驶费用,它取决于网络的实际交通情况和路径的通行能力Ζ盲目地在公路网络中建设交通信息系统可能对改进系统性能没有任何作用,反而会劣化系统Ζ最后需要说明的是,本文的分析是在一定的假设条件下进行的,对网络结构、成本函数和成本函数中的参数关系均做了一些假设,如果放开这些假设条件,结论就可能不一样,这恰恰是作者正在进一步研究的工作之一Ζ此外,将信息提供与拥挤道路使用收费和鼓励搭便车等问题结合在一起进行研究,也是非常有意义的[14,15]Ζ参考文献:[1] K ing G F .D river perfo rm ance in h ighw ay task s [J ].T ran spo rtati on R esearch R eco rd ,1986,1093:1-11.(下转第104页)38第10期交通信息对交通行为影响的评价模型401系统工程理论与实践2002年10月参考文献:[1] Beam Carrie,A rie Segev,J Geo rge Shan th ikum ar.Op ti m alD esign of In ternet2based A ucti on s[R].F isher Cen ter fo rInfo rm ati on T echno logy&M anagem en t,H aas Schoo l of Bu siness,U n iversity of Califo rn ia,Berkeley,1998,98-W P-1034.[2] Cassady J r,R.A ucti on s and aucti oneering[M].Califo rn ia:U n iversity of Califo rn ia P ress,1967.[3] Chen J ian,X ilong Chen,X i p ing Song.B idder′s Strategy U nder Group2Buying A ucti on on the In ternet[R].Schoo l ofEconom ics&M anagem en t,T singhua U n iv,2001a.[4] Chen J ian,X ilong Chen,X i p ing Song.Op ti m al Group2buying A ucti on[R].Schoo l of Econom ics&M anagem en t,T s2inghua U n iv,2001b.[5] Robert J Kauffm an,B in W ang.N ew buyers′arrival under dynam ic p ricing m arket m icro structu re:the case of group2buying discoun ts on the in ternet[A].P roceedings of the34th H aw aii In ternati onal Conference on System Sciences[C],2001.[6] K lemperer Pau l.A ucti on theo ry:a gu ide to the literatu re[J].Jou rnal of Econom ics Su rveys,1999,13(3):227-286.[7] Kw asn ica A n thony M.Co llu si on in M u lti p le O b ject Si m u ltaneou s A ucti on s:T heo ry and Experi m en ts[R].D ivisi onof the H um an ities and Social Sciences,Califo rn ia In stitu te of T echno logy,Social ScienceW o rk ing Paper1010,1998.[8] M c A fee R.P reston and John M c M illan.A ucti on s and B idding[J].Jou rnal of Econom ic L iteratu re,1987.699-738.[9] M c A fee R P,M c M illan J.B idding rings[J].Am erican Econom ic R eview,1992,92(3):579-599.[10] M ead,W alter J.N atu ral resou rce dispo sal po licy:o ral aucti on versu s sealed b ids[J].N atu ral R es J,1967,7(2):195-224.[11] M onderer Dov,M o she T ennenho ltz.Op ti m al aucti on s revisited[J].A rtificial In telligence2000,120:29-42.[12] U S Paten t6047266.2000."D em and aggregati on th rough on line buying group s".[13] Rob in son M S.Co llu si on and cho ice of aucti on[J].R and Jou rnal of Econom ics,1985,16(1):141-145.[14] V ick rey,W illiam.Coun terspecu lati on,aucti on s,and competitive sealed tenders[J].T he Jou rnal of F inance,1961.9-37.[15] W h it A ndrew s.T he new law s of dynam ic p ricing[J].In ternet W o rld,1999,5(35),27-34.(上接第83页)[2] K ing G F,M ast T S.Excess travel:cau se,ex ten t,and con sequences[J].T ran spo rtati on R esearch-B,1987,25(4):191-201.[3] Jeffery D J.Rou te gu idance and in2veh icle info rm ati on system s[A].P W Bon sall,M rm ati on T echno logyA pp licati on s in T ran spo rt[C].U trech:VUN Science P ress,1986,319-351.[4] T su ji H,T akahash i R,Yam amo to Y.A stochastic app roach fo r esti m ating the effectiveness of e rou te gu idance sys2tem and its related param eters[J].T ran spo rtati on Science,1985,19(4):333-351.[5] Kanafan i A,A l2D eek H.A si m p le model fo r rou te gu idance benefits[J].T ran spo rtati on R esearch R eco rd,1991,1111:126-134.[6] Yang H,K itam u ra R,Jovan is P,A bdel2aty M A.Exp lo rati on of rou te cho ice behavi o r w ith advanced travel info r2m ati on u sing neu ral netw o rk concep t[J].T ran spo rtati on,1993,20:199-223.[7] Yang H.M u lti p le equ ilib rium behavi o r and advanced travel info rm ati on system s w ith endogenou s m arket penetrati on[J].T ran spo rtati on R esearch2B,1998,32:205-218.[8] Yang H.Evaluating the benefit of a com b ined rou te gu idance and road p ricing system in a netw o rk w ith recu rren tcongesti on[J].T ran spo rtati on,1998,26:299-322.[9] 黄海军,吴文祥.交通事故信息发布的有效性分析[J].系统工程理论方法应用,2001,10(4):298-301.[10] 黄海军.城市交通网络平衡分析理论与实践[M].北京:人民交通出版社,1994.[11] H uang H J.A com b ined algo rithm fo r so lving and calib rating the stochastic u ser equ ilib rium assignm en t model[J].Jou rnal of the Operati onal R esearch Society,1995,46:977-987.[12] 黄海军,顾昌耀.F isk运量随机配流模型的特性和参数校正[J].系统科学与数学,1997,17:376-380.[13] W ardrop J.Som e theo retical aspects of road traffic research[J].P roceeding of the In stitu te of C ivil Engineers,1952,1(2):325-378.[14] 黄海军,BellM G H,Yang H.公共与个体竞争交通系统的定价研究[J].管理科学学报,1998,1:17-23.[15] H uang H J,Yang H,Bell M G H.T he models and econom ics of carpoo ls[J].T he A nnals of R egi onal Science,2000,34:55-68.。
交通预测模型【对各种交通流预测模型的简要分析】
![交通预测模型【对各种交通流预测模型的简要分析】](https://img.taocdn.com/s3/m/f66a90591611cc7931b765ce05087632311274cd.png)
交通预测模型【对各种交通流预测模型的简要分析】交通预测模型【对各种交通流预测模型的简要分析】摘要:随着社会的发展,交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。
多年来,世界各国的城市交通专家提出各种不同的方法,试图缓解交通拥堵问题。
交通流预测在智能交通系统中一直是一个热门的研究领域,几十年来,专家和学者们用各种方法建立了许多相对精确的预测模型。
本文在提出交通流短期预测模型应具备的特性的基础上,讨论了几类主要模型的结果和精确度。
关键词:交通流预测;模型;展望20世纪80年代,我国公路建设项目交通量预测研究尚处于探索成长阶段,交通量预测主要采用个别推算法,又可分为直接法和间接法。
直接法是直接以路段交通量作为研究对象;间接法则是以运输量作为研究对象,最后转换为路段交通量。
进入90年代后,我国的公路建设项目,特别是高速公路建设项目的交通量分析预测多采用“四阶段”预测,该法以机动车出行起讫点调查为基础,包括交通量的生成、交通分布、交通方式选择和交通量分配四个阶段。
几十年来,世界各国的专家和学者利用各学科领域的方法开发出了各种预测模型用于短时交通流预测,总结起来,大概可以分为六类模型:基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。
这些模型各有优缺点,下面分别进行分析与评价。
一、基于统计方法的模型这类模型是用数理统计的方法处理交通历史数据。
一般来说统计模型使用历史数据进行预测,它假设未来预测的数据与过去的数据有相同的特性。
研究较早的历史平均模型方法简单,但精度较差,虽然可以在一定程度内解决不同时间、不同时段里的交通流变化问题,但静态的预测有其先天性的不足,因为它不能解决非常规和突发的交通状况。
线性回归模型方法比较成熟,用于交通流预测,所需的检测设备比较简单,数量较少,而且价格低廉,但缺点也很明显,主要是适用性差、实时性不强,单纯依据预先确定的回归方程,由测得的影响交通流的因素进行预测,只适用于特定路段的特定流量范围,且不能及时修正误差。
交通需求预测模型及应用案例总结
![交通需求预测模型及应用案例总结](https://img.taocdn.com/s3/m/f47f9247c850ad02de8041e9.png)
2)二次指数平滑法 ,对时间序列进行两次平 以相同的平滑系数 滑修匀,使长期趋势更清楚地显示出来,然后根据 两次平滑数列建立线性趋势预测模型。
ˆt T at bt T x
式中,
at 2St (1) St (2)
bt
( St (1) St (2) ) 1
St (1) xt (1 )St 1(1)
定性预测——对比类推 法 利用事物之间的相似特点,把先行事物的表现过程类
推到后继事物上去,从而对后继事物的前景作出预测的 一种方法。
1)明确预测目标 即明确预测对象,以及预测的目的和要求; 2)确定类比目标 即寻找一个相似性较高的实际比较目标,并分 析该目标的发展趋势。 3)分析类比的可行性 指类比目标与预测目标进行比较分析,确 定类比是否可行。 4)确定预测起始点 即通过调查,获得目前要预测问题的实际统 计资料,并把这一数据作为预测计算的起始点。 5)测算预测期间单位时间递增率 确定了类比目标总的增加率或 目标总量,有了起始数据,则可确定各单位时间的平均递增率。 6)具体计算 预测期间各时间段的预测值
绝对误差值
α =0.9
5.00 6.50 24.65 3.54 19.35 5.06
270
273 284 ------
253.52
255.17 256.66 259.66 平均绝对误差
261.49
269.15 272.62 282.86
16.48
17.83 27.05 ----16.28
8.51
3.85 11.38 ----9.76
时间序列预测法——趋势外推法
趋势外推法预测时一般包括六个阶段:选择预测 趋势线的函数类型;收集数据;拟和曲线;趋势 外推;预测结果分析和说明;研究预测结果在决 策和规划中的应用。 趋势外推的实质是利用某种函数分析描述预测对 象某参数的发展趋势。常用的函数形势有:直线、 多项式、指数曲线、生长曲线等。
城市用地开发交通影响分析的模式与模型
![城市用地开发交通影响分析的模式与模型](https://img.taocdn.com/s3/m/7ad71f3eba1aa8114431d931.png)
城市用地开发交通影响分析的模式与模型[ 作者:易汉文托马斯·莫里纳兹 | 来源: | 时间:2004-11-26 17:49:48 ]内容提要:本文比较全面系统地总结了城市用地开发交通影响分析的常用模式与模型,包括交通影响分析的一般程序、背景交通分析、出行发生、出行分布与交通分配,以及服务水平敏感性分析等主要内容。
这些模型和模式虽然是建立在北美国家城市交通特性和社会经济价值观念基础之上,但仍不失其一般性的借鉴与指导意义。
我们知道,土地使用是与交通紧密相关的。
城市用地的开发价值及其开发后的吸引力,在很大程度上取决于其周边道路系统的畅通和良好的服务功能。
一般而言,通过道路系统的改扩建,提高其通行能力,能增强城市用地的可及性。
但这样会刺激新的用地开发行为,从而产生新的出行需求。
新的出行需求又会引起道路网络服务水平的降低,结果是导致新一轮的道路扩建。
问题是,通过道路改扩建来提高通行能力,往往需要筹集大量的建设费用。
在城市用地开发过程中,为了更好地与土地开发商协商,使之认识到土地开发与交通影响之间的矛盾,进而承担与其开发项目相关的道路改扩建的部分或全部费用,有必要针对城市用地开发(包括现有项目的改、扩建)进行交通影响分析。
城市用地开发交通影响分析之目的,是客观评价开发项目对周边道路交通系统交通正常运行的影响程度,从而拟定和规划与开发项目配套的道路交通改善措施,保证开发项目投入使用后,其周边道路交通系统的运行能保持在可以接受的服务水平之上。
交通影响分析的关键是预测开发项目所要产生的新的出行需求及其在周边道路网络上的分布。
有了出行需求与出行分布数据,就可以进行道路服务水平的敏感性分析(LOS sen sitivity analysis),进而评估开发项目对周边道路设施正常运行的影响程度。
这样便可作出判断是否需要采取一些必要措施,来消除其不利影响。
如果需要,则应明确要采取哪些具体措施,明确土地开发商在实施这些措施时应承担哪些具体责任。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
§2 燃料消耗
一、车辆燃料消耗的影响因素 影响机动车燃料消耗率的因素,大致可以分为四类: (1)车辆——包括车重、发动机大小、发动机类型(如汽油
机、柴油机、电力、天然气)、传动类型、轮胎类型和大 小、轮胎压力、制动和燃油喷射系统状态、汽油类型 ( 93#、97#等) 、车型和空调等电气设备的使用程度; (2)驾驶环境——包括道路坡度、风况(风向、风速、风 力)、环境温度、海拔高度和路面类型(如沥青混凝土、 砂砾)和路面情况(平整度、湿或干) ; (3)交通状况——包括速度、停车次数、速度和加速度干 扰等; (4)驾驶员的交通特性也会影响燃料消耗。
3
交通影响分析(Traffic Impact Analysis,TIA)是指 通过定量研究城市开发项目与交通需求增长之间 的关系,分析开发项目对城市交通的影响程度和 影响范围,提出相应的交通改善措施,确保一定 服务水平下的补偿政策,减小开发项目对交通负 荷的影响。
一般交通影响评价系统应包括交通调查系统、交 通规划系统和交通影响评价系统三部分组成。
19
三、公路交通车辆燃料消耗模型
公路条件下车辆速度较高,必须把影响燃料消耗 的空气阻力作为重点来考虑。
TRANSYT-8模型:
fc a buc cuc2
式中:fc—稳态行驶速度燃料消耗率 uc—稳态行驶速度
a, b, c—模型参数
20
对于城市和公路交通中车辆瞬态速度时的燃料消耗, 通常采用瞬态燃料消耗模型式(NETSIM软件):
用年平均日(小时)交通量等与事故发生时的具体交通状况 没有直接联系的统计资料;(3)模型的简单化;(4)不同国家 或地区对交通事故判定上的差别;(5)参数标定方法的差别; (6) 交通事故取决于包括交通量在内的很多复杂因素。
11
目前,可以通过高速公路管理系统、永久 性观测站或者不停车收费(ETC)设备等 获得更多的交通流信息,通过利用交通流 所有的相关特性,比如交通量、速度、密 度、车头时距和振动波等,采用多元统计 分析方法对交通事故预测模型加以改进。
式中:m—某一时期内某类事故发生次数 q—交通量
α,β,γ—参数
8
各种模型函数曲线
当交通安全取决于两股或者更多相互冲突的交通 流(汽车—火车,交叉口汽车—行人等)时,常采
用幂函数乘积模型:
m
q1
q
2
...
9
如果随着交通量的增加,m(q)的斜率逐渐减小, 甚至变成负数,可用如下模型:
13
二、城市交通车辆燃料消耗模型
对16种影响燃料消耗的交通变量研究表明,速度决定 70%以上的燃料消耗。
14
城市交通车辆燃料消耗的基本模型: Φ = K1+K2Tr
式中:Φ—单位距离燃料消耗(ml/km) Tr—单位距离平均行驶时间, Tr =1/ ur ur—平均行驶速度
K1, K2—模型参数,K1反映克服滚动摩擦力的燃 料消耗(ml/km),它与车辆质量密切相关,K2可以 提高模型精度(ml/s) 。
第九章 交通影响模型
1
本章主要内容
§1 交通安全 §2 燃料消耗 §3 道路交通废气污染 §4 道路交通噪声污染
2
教学目的:理解交通安全、燃料消耗、废气污 染、噪声污染等交通影响因素在交通分析中的 作用、掌握交通影响因素的常用模型及其应用。
重点:交通影响因素的常用模型 难点:交通噪声污染
Synchro软件中采用该模型:
17
Synchro 6 燃料消耗模型
燃料消耗计算
F = TotalTravel*k1 + TotalDelay*k2 + Stops*k3 k1 = .075283 - .0015892 u + .000015066 * u 2 k2 = .7329 k3 = .0000061411 * u 2 F——燃料消耗(加仑) u ——平均行驶速度( mile/h) TotalTravel ——行驶路段总长度(mile) TotalDelay ——总信控延误(hour) Stops —— 单位时间内总停车次数(次/h)
•微观——对某条线路或地点的事故预测, 以线或点为对象。微观预测的交通量模型通过 对数据拟合来建立模型, 其步骤为:
1. 数据收集 (1) 近似路段(或交叉口)法 (2) 时间序列法
7
2. 交通事故预测模型
只有一股相关交通流时,幂函数和多项式模型:
m q m q q2 ... m q lg(q) lg(m) lg( ) lg(q) [lg(q)]2
15
Φ = K1+K2Tr
16
阿克赛立科等将车辆行驶分为3种工况:稳态行驶、怠速和 加减速,分别估计每一工况的燃料消耗(TRANSYT-7F):
F=f1Xs+f2ds+f3h
式中:F—路段平均燃料消耗 Xs—路段总长度 ds—平均每辆车的停车延误 h—平均停车率 f1—稳态行驶燃料消耗率 f2—怠速燃料消耗率 f3—加减速额外燃料消耗
m q k eq
参数k=1或2 该模型的优点:不 论交通量大小,拟 合效果都很好。
10
3.参数标定
参数标定——即给出模型中参数(α、β、γ…)的估计值(预 测);
方法——回归分析(数据拟合)方法 依据——历史数据、资料 预测结果差别较大,原因:(1)数据调查方法的差别;(/us+K3us+K4*PKE
式中:F—燃料消耗 us—区间平均速度
K1, K2, K3, K4—模型参数 PKE—加速期间实际的动能变化的总和
PKE (u22 u12) /(12960Xs )
其中:u2—终止速度 u1—初始速度 Xs—路段总长度
本章主要讨论交通安全以及环境影响因素方面的 分析模型。
4
§1 交通安全
一、交通事故简介
构成交通事故的6个要素:
1.车辆——机动车和非机动车 2.在道路上 3.在运动中 4.发生交通事故 5.发生事态的原因是过失 6.有后果
5
6
交通 事故 预测
•宏观——对某一国家或地区今后年度可能发生 的事故预测,以面为对象;