第4章 交通流理论
第四章 交通流理论
第一节 概述-2
交通流理论是发展中的科学,虽然现在还没有形成完 整的体系,但有很多理论在探讨各种交通现象,它们是: (1)交通流量、速度和密度的相互关系及量测方法;。 *(2)交通流的统计分布特性; *(3)排队论的应用; *(4)跟驰理论; (5)驾驶员处理信息的特; *(6)交通流的流体力学模拟理论; (7)交通流模拟。
8 10
3. 在交通工程学中应用二项分布时: (1)适用条件:车辆比较拥挤、自由行驶机会不多的车流。 (2)基本公式: (3)递推公式: p C p (1 p) , (k 0,1,2,, n)
k 1 k n k nk
p k 1
(4)分布的均值和方差分别为 M=np, D=np(1-p) (5)如果通过观测数据计算样本均值m和方差,则可分别 代替M和D,用下式求出p和n的估计值:
第二节 交通流的统计分布特性-11
P(t)的图象如图所示, 曲线是单调下降的,说明车头 时距愈短,其出现的概率愈大。 这种情形在不能超车的单列车 流中是不可能出现的。因为车 辆的车头至车头的间距至少为 一个大于零的最小值τ 。负指 数分布在应用中的局限性即在 于此。
第二节 交通流的统计分布特性-12
xn 1 (t T )为后车在时刻(t T )的加速度,
1 称为后车的反应; 称为敏感度; xn (t ) xn 1 (t ) T 称为时刻t的刺激。
反应 敏感度 刺激
第五节 流体动力学模拟理论-1
一、引言 A 连续理论: Q1=Q2 A1*V1=A2*V2 Q:立方米/秒 A2V2Q2
第五节 流体动力学模拟理论-3
虚线与运行轨迹的交点就是车队密度不同的两部分的 分界(对某一确定时刻而),而虚线则表示此分界既沿车 队向后一辆辆地传播下去,又沿着道路而移动,虚线的斜 率就是波速。虚线AB是低度状态向密度状态转变的分界, 它所体现的车流波称为集结波;而Ac是高密度状态向低密 度状态转变的分界,它所体现的车流波称为疏散波,两种 不同的车流波可统称为集散波。
交通工程学 第4章 交通流理论
k
j 1
g
j
fj
k
j 1
g
j
fj
fj
N
式中:g——观测数据分组数; fj——计算间隔t内到达kj辆车(人)这一事件发生的次(频)数; kj——计数间隔t内的到达数或各组的中值; N——观测的总计间隔数。
(2)递推公式
P(0) e m P(k 1) P(k ) k 1
(3)应用条件
• 在第一个环节上,重点研究设计什么样的模型才能对所 关心的交通流现象有一个很好的描述,此环节的关键是 对系统的识别,也即对所研究对象的充分认识。这种认 识越深刻,所建立的模型就越符合实际; • 在第二个环节上,重点研究如何确定模型中的参数使模 型得以具体应用,参数的确定是一项非常具体、细致的 工作,其好坏直接决定了模型的应用效果。优秀的交通 流模型应该只包含若干个有现实的变量和参数,而且它 们是容易测量的。 • 此外,一个好的模型还应在理论上前后一致,便于进行 数值模拟且能做出新的预测,简单而言,优秀的交通流 模型必须有鲁棒性、现实性、一致性和简单性。 • 无论是模型结构的建立还是模型参数的标定,简单和适 用是第一原则 ,但随着计算手段的改善和交通工程技 术人员素质的提高,复杂交通流模型推广和应用的也日 益广泛了。
§4-2 概率统计模型
本节内容
• • • • 离散型分布特征、分布函数 排队论模型的基本概念 M/M/N与N个M/M/1的指标计算与比较 流体模拟理论及实例分析
问题的提出
一个实际问题及其解决方法的思路分析
1.某随机车流,求30秒内平均到达的车辆数(均值)、方差(参考p74 4-8 4-10 ) 2.假定该车流服从泊松分布,求没有车到达的概率、到达四辆车的概率、到达 大于四辆车的概率分别是多少 )
4交通流理论
第四章交通流理论交通流理论(Traffic Flow Theory)是研究交通流随时间和空间变化规律的模型和方法体系,被广泛应用于交通系统规划与控制的各个方面。
第一节交通流理论的发展历程在本节中,我们一起回顾交通流理论的发展历程。
交通流理论的兴起大致在20世纪30年代,在20世纪50年代到60年代经历了繁荣和快速发展,70年代以后,主要是对既有理论的发展完善和应用拓展。
一、交通流理论的萌芽期萌芽期从20世纪30年代到第二次世界大战结束。
由于发达国家汽车使用和道路建设的发展,需要探索道路交通流的基本规律,产生了研究交通流理论的初步需求。
Adams在1936发表的论文中将概率论用于描述道路交通流,格林息尔治(Greenshields)在1935年开创性提出了流量和速度关系式(也就是格林息尔治关系),并调查了交叉口的交通状态。
二、交通流理论的繁荣期繁荣期从第二次世界大战结束到20世纪50年代末。
汽车使用显著增长和道路交通系统建设加快,应用层面对交通特性和交通流理论的研究提出了急切需求。
此阶段是交通流理论最为辉煌的时期,经典交通流理论和模型几乎全部出自这一时期。
交通流理论中的经典方法、理论和模型相继涌现,如车辆跟驰(Car-following)模型、车流波动(Kinematic Wave)理论和排队论(Queuing Theory)。
这一时期群星闪耀,许多在自然科学其他领域中的大师级人物(如数学家、物理学家、力学家、经济学家)都投入到交通流理论的研究中,其中不乏诺贝尔奖金的获得者,如1977年的诺贝尔化学奖获得者伊利亚•普列高津(Ilya Prigogine)。
著名人物有赫曼(Herman)、鲁切尔(Reuschel)、沃德卢普(Wardrop)、派普斯(Pipes)、莱特希尔(Lighthill)、惠特汉(Whitham)、纽维尔(Newell)、盖热斯(Gazis)、韦伯斯特(Webster)、伊迪(Edie)、福特(Foote)和钱德勒(Chandler)。
第四章 交通流理论ppt课件
达时间间隔),为确定设施规模、信号配时、安全对策提供依 据;
.
4.2.1 离散型分布
车辆的到达具有随机性
描述对象:
在一定的时间间隔内到达的车辆数, 在一定长度的路段上分布的车辆数
4.2 概率统计模型
.
4.2 概率统计模型
4.2.1 离散型分布
2. 二项分布:
适用条件:车辆比较拥挤、自由行驶机会不多的车流 基本模型:计数间隔t内到达k辆车的概率
P (k)C n k n t k 1 n t nk,k1 ,2,.n ..
λ:平均到达率(辆或人/秒) 令:p=λt/n, 0 <p <1
出分布参数 p 和 n;
.
4.2 概率统计模型
4.2.1 离散型分布
3. 负二项分布:
适用条件:到达的车流波动性很大时适用。 典型:信号交叉口下游的车流到达。
4. 离散型分布拟合优度检验——χ2检验
用于根据现场实测数据来判断交通流服从何种分布 原理和方法:
1) 建立原假设:随机变量X服从某给定的分布 2) 选择合适的统计量 3) 确定统计量的临界值 4) 判断检验结果
.
4.2 概率统计模型
4.2.1 离散型分布
1. 泊松分布:
递推公式:由参数m及数量k可递推出Pk+1;
P0 em
Pk1
m k 1Pk
分布的均值M与方差D皆等于λt,这是判断交通流到达规律是否 服从泊松分布的依据。
运用模型时的留意点:关于参数m=λt可理解为时间间隔 t 内的 平均到达车辆数。
4. 有效性指标——延误
第四章交通流理论(详细版)
二、排队论的基本原理
幻灯片 35§4-3 排队论的应用 2.排队系统的组成 (2)排队规则:指到达的顾客按怎样的次序接受服务。 例如: 损失制:顾客到达时,若所有服务台均被占,该顾客就自动消失,永不再来。 等待制:顾客到达时,若所有服务台均被占,他们就排成队伍,等待服务,服务次序有先到先服务(这是最通常的
36
二、排队论的基本原理
幻灯片 37-3 排队论的应用 2.排队系统的组成 (3) 服务方式:指同一时刻多少服务台可接纳顾客,每一顾客服务了多少时间。每次服务可以成批接待,例如公
7.5m
Q=360辆/h
Qt
3607.5
P(h7.5) e 3600 e 3600 0.4724
360 0.4724 170
(次)
幻灯片 27 当 Q = 900 辆/h 时,车头时距大于 7.5s 的概率为:
26 §4-2 交通流的统计分布特性
1h 内车头时距次数为 900,其中 h≥7.5s 的车头时距为可以安全横穿的次数:
33
二、排队论的基本原理
幻灯片 34§4-3 排队论的应用 2.排队系统的组成 (1) 输入过程:就是指各种类型的"顾客(车辆或行人)"按怎样的规律到达。有各式各样的输入过程,例如: D—定长输入:顾客等时距到达。 M—泊松输入:顾客到达时距符合负指数分布。 Ek—爱尔朗输入:顾客到达时距符合爱尔朗分布。
p m s2 m
m
1 N
N
i
i 1
n
m2 m s2
s 2
1 N 1
N i 1
(i
m)2
14 幻灯片 15 【例 4-2】:在一交叉口,设置左转弯信号相,经研究来车符合二项分布,每一周期平均来车 30 辆,其中有 30%
第4章 交通流理论
其他常用分布形式
爱尔兰分布:
kt e p(h t ) i! i 0 T
T:观测时间间隔的平均值 T:车头时距(s) H:车头时距的观测值 当k=1时,为负指数分布 当k>1时,为爱尔兰分布
k 1
i
kt T
K:确定分布曲线形状的参数
T2 k 2 s
a) 车头时距t > 5s的概率; b)在1小时内,车头时距t>5s所出现的次数;
在次要车流通行能力研究中的应用
e e c Q次 1 e 0 1 e c 0
e Q次 1 e 0
4.2.3 连续型分布
4.2.3.1 负指数分布
4.2.3.2 移位负指数分布
4.2.3.1 负指数分布
(1) 基本公式:
P(h t ) e t
P(h>t)——到达的车头时距h大于t秒的概率;
λ ——车流的平均到达率(辆/s)。 推导:由 P e t 可知,在计数间隔t内没 k 有车辆(k=0)到达的概率 P e t ,这表 0 明,在具体的时间间隔t内,无车辆到达,则上 次车到达和下次车到达之间,车头时距至少有t, t 即 P(h t ) e 。
– 参数模型:交通流参数之间的关系 – 宏观模型:描述车队的运动规律 – 微观模型:描述单个车辆的运动规律 – 静态模型:不随时间改变的稳恒交通 流随空间分布的规律 – 动态模型:时间改变的稳恒交通流随 空间分布的规律
4.2 交通流的统计分布特性
4.2.1 交通流统计分布的含义
4.2.2 离散型分布
4.2.2.3
基本公式:
负二项分布
• 适用条件:车流受到干扰。车辆到达起伏幅度比较
第四章 交通流理论
各种类型的“顾客”按怎样的规律到达
定长输入:顾客等时距到达; 泊松输入:顾客到达时距符合负指数分布; 爱尔朗输入:顾客到达时距符合爱尔朗分布;
(2)排队规则
排 队 论 基 本 原 理
到达的“顾客”按怎样的次序接受服务
损失制:顾客到达时,若所有服务台被占,该顾
客就自动消失,永不再来;
第三节 排队论的应用
The Application of Queuing Theory
排 队 论 概 述
排队论也称随机服务系统理论,是研究“服务” 系统因“需求”拥挤而产生的等待行列或排队的 现象,以及合理协调“需求”与“服务”关系的 一种数学理论。是运筹学中以概率论为基础的一 个重要分支。 在交通工程中,排队论在研究车辆延误、通行能 力、信号配时以及停车场、收费厅、加油站等交 通设施的设计与管理诸方面得到广泛的应用。
Poisson distribution belongs to discrete function with only one parameter. In traffic engineering Poisson distribution equation is used to describe the arrivals of vehicles at intersections or toll booth, as well as number of accident (crash) Poisson distribution is appropriate to describe vehicle’s arrival when traffic volume is not high. When field data shows that the mean and variance have significant difference, we can no longer apply Poisson distribution.
第四章 交通流理论
4.4 跟驰模型
4.4.3 线性跟驰模型的稳定性
跟驰的稳定性
局部稳定性——前后两车间距摆动大小,大则不稳定,小则稳 定;只在车队的局部发生。 渐进稳定性——引导车的状态变化向后传播,传播过程中,状 态变化的振幅越来越大(发散),则不稳定,状态变化振幅越 来越小(收敛)则稳定。
4.4 跟驰模型
4.4.3 线性跟驰模型的稳定性
4.4 跟驰模型
4.4.4 非线性跟驰模型
线性跟驰模型的局限性
后车的反应仅与两车的相对速度有关,而与车辆间距无关。
非线性跟驰模型
1959,Gazis 灵敏度系数λ与车头间距成反比
xn1 t T
其中 Vm
Vf 2
k t k
P(k ) Cn 1 n n
λ:平均到达率(辆或人/秒) 令:p=λt/n, 0 <p <1
t
n k
, k 1,2,...n
P(k ) C P 1 p
k n k
nk
, k 1,2,...n
4.2 概率统计模型
4.3 排队论模型
4.3.3 M/M/N系统
简述——两类多通道服务
1)单路排队多通道服务——排成一条队等待数 条通道服务
4.3 排队论模型
2)多路排队多通道服务——每个通道各排一队,每个通道只为 其相对应的一队顾客服务,顾客不能随意换队。
计算公式由M/M/1系统的计算公式确定
4.4 跟驰模型
4.4 跟驰模型
1. 简述
定义:研究在无法超车的单一车道上车辆列队行驶时,后车跟 随前车行驶的状态,并且借数学和动力学的模式表达并加以分 析的一种理论。 研究目的:通过观察各个车辆逐一跟驰的方式来了解单车道交 通流的特性,并用来检验管理技术和通讯技术,以预测短途车 辆对市区交通流的影响,在稠密交通时使尾撞事故减到最低限 度等
交通工程学第4章道路交通流理论
➢ 在间断流中,速度、密度等指标不足以表征服务水平。而延误通常用于 表征间断流服务水平的一个指标。大体说来,有两类延误: ➢ ①停车延误:指车辆用于横穿公路所消耗的停车总时间; ➢ ②运行延误:指车辆理想运行时间与实际运行时间的差值,它包括 停车延误和由运行速度低于理想速度而造成的延误。 ➢ 相比之下,停车延误用得较多。
(1
K Kj
)
K=0 → V=Vf K=Kj → V=0 K=Km → V=Vm
Q → Qmax
图4–3的三个特殊点A、C、E,其中C点的速度为Vm,
密度为Km,即Qm=Vm·Km等于矩形面积。
10
4.1 交通流特性
二、连续流特征(续)
➢ (2)对数模型——格林柏(Greenberg)模型
➢ 1959年,格林柏(Greenberg)提出了用于密度很大时的对数 模型。
p—二项分布参数, pt/n 。
均值M和方差D分别为: M=np D=np(1-p)
参数p、n 的计算(n 取整数):
33
4.2 概论统计模型
2、二项分布
➢ ⑵ 递推公式
P(0) (1 P)n
P(k1)
nk k 1
p 1 p
P(k)
均值M和方差D分别为: M=np D=np(1-p)
➢ ⑶ 应用条件
2)流量与密度关系
➢ 根据格林希尔茨公式及三参数 的基本关系式可得:
Q
KV
f (1
K) Kj
V f(K
K2 )
Kj
上式对Q 求导,并令:
dQ dK
Vf
2V f Kj
K
0
可求出当:
K K j 时, Q 最大。 2
第4章 交通流理论
P(0) e 0.067 0.9355
当t=2s时, m= λt =0.133, 当t=2s时, m= λt =0. 3,
P( 0 ) e 0.133 0.875 P( 0 ) e 0.3 0.819
2)有95%置信度的每个周期来车数的含义为:来 车数小于或等于k辆的概率≥95%时的k值,即: P( k ) 0.95 ,求这时的k 即λ=240/3600(辆/s ),当t=60s时,m=λt=4 来车的分布为: k k m m 4 4 P( k ) e e k! k! 求:
递推公式:
P( 0 ) (1 P )n nk p P( k 1) P( k ) k 1 1 p
均值M和方差D分别为: M=np D=np(1-p)
例3:在一交叉口,设置左转弯信号相,经研究来车 符合二项分布,每一周期平均来车30辆,其中有 30%的左转弯车辆,试求: 到达的5辆车中,有2辆左转弯的概率; 到达的5辆车中,少于2辆左转弯的概率; 某一信号周期内没有左转弯车辆的概率。 解:1)由: p =30%,n=5,k=2 k k 由 :P( k ) Cn p (1 p) nk
负指数分布的应用
——确定左转车流的饱和流量
得下表
可穿越的车辆数
1
对应的车头时距出现的概率
P(1)=p(α≤h<α+α0)
理论频数
N•p(1)
汽车车辆数
1•NP(1)
2
┇ k ┇ n
P(2)=p(α+α0≤h<α+2α0)
N•p(2)
2•NP(2)
P(k)=p(α+(k-1)α0≤h<α+kα0)
例5 :在一条有隔离带的双向四车道道路上,单向 流量为360辆/h,该方向路宽7.5m,设行人步行 速度为1m/s,求1h中提供给行人安全横过单向车 道的次数,如果单向流量增加到900辆/h, 1h中 提供给行人安全横过单向车道的次数是增加还是 减少 。
第4章 道路交通流理论
?
案例
例4-4,求二项分布参数n,p方法
《交通工程学》
3. 负二项分布
(1)基本公式
1 k x P( X x) Cxk p ( 1 p ) , k 1
x 0,1,2,
式中:p、k为负二项布参数。0<p<1,k为正整数。
到达数小于x的概率:
k 1 k i P( X x) C x p ( 1 p ) k 1 i 1 x
• 广义模型
k n V Vf( 1 ) kj
《交通工程学》
(2)交通量-密度之间的关系
数学模型
Greenshields模型导出
K V Vf( 1- ) Kj
K Q KV KVf( 1- ) Kj
上式是二次函数关系,可用一条抛物线表示,如图;
《交通工程学》
《交通工程学》
• 算例
净损失时间l2:指最后一辆车从离开引道进入交叉到 绿灯信号再次开始之间的时间。也即:
可用时间:不包括红灯时间,也不包括启动损失时间 和净损失时间。 信号交叉口的通行能力是基于饱和交通比率、损失时 间和信号配时而得出的。
《交通工程学》
4.2 交通流概率统计模型
车辆的到达数在某种程度上具有随机性,描述 这种随机性的统计分布规律的方法有两种:
《交通工程学》
(3)流量—速度之间的关系 • 数学模型
以速度—密度直线模型为基础:
v K Kj( 1- ) vf
v2 Q Kv Kj(v) vf
《交通工程学》
特征描述:???? 《交通工程学》
《交通工程学》
《交通工程学》
《交通工程学》
三、间断流特征
《交通工程学》
4-1 交通流理论
p k (1
p)nk
i0
k
P ( xn k ) 1 P ( x n k ) 1
C
k n
p k (1
p)nk
i0
通过观测一组数据如何 确定参数呢? 可用观测的样本均值和 样本方差代替均值和方 差
m np
s
2
npq
解得
n
p
1 m2
/(
s2 m
/m s2)
这里
s2
k0
k!
k 1 ( k 1)!
k 1
( k 1)!
e ( k 1 )( ) k 1 e ( ) k 1 e 2 ( ) k 2 e ( ) k 1
k 1 ( k 1)!
k 1 ( k 1)!
k 1 ( k 2 )!
k 1 ( k 1)!
2
D 2 [ E ( x )] 2 2 2
对于交通流中波松分布
的性质:
Pk
P (xn
k)
( t)k k!
e t,
1、递推公式
0
由
P (xn
k)
( t)k k!
e t
(m )k k!
em ,
k
1,2,
, n 得 P0
m ! e m 0!
em ,则
P1
m k
e m , P2
交通流理论的发展历程
1959年12月,交通工程学应用数学方面学者100多人在底特律 举行首届交通流理论国际研讨会,并确定每三年召开一次。从 此,交通流理论的研究进入了一个迅速发展的时期。
1975年丹尼尔(Daniel I.G)和马休(marthow,J.H)汇集了各方面 的研究成果,出版了《交通流理论》一书,较全面、系统地阐 述了交通流理论的内容及其发展。
交通流理论
第四章交通流理论交通流理论(Traffic Flow Theory)是研究交通流随时间和空间变化规律的模型和方法体系,被广泛应用于交通系统规划与控制的各个方面。
第一节交通流理论的发展历程在本节中,我们一起回顾交通流理论的发展历程。
交通流理论的兴起大致在20世纪30年代,在20世纪50年代到60年代经历了繁荣和快速发展,70年代以后,主要是对既有理论的发展完善和应用拓展。
一、交通流理论的萌芽期萌芽期从20世纪30年代到第二次世界大战结束。
由于发达国家汽车使用和道路建设的发展,需要探索道路交通流的基本规律,产生了研究交通流理论的初步需求。
Adams在1936发表的论文中将概率论用于描述道路交通流,格林息尔治(Greenshields)在1935年开创性提出了流量和速度关系式(也就是格林息尔治关系),并调查了交叉口的交通状态。
二、交通流理论的繁荣期繁荣期从第二次世界大战结束到20世纪50年代末。
汽车使用显着增长和道路交通系统建设加快,应用层面对交通特性和交通流理论的研究提出了急切需求。
此阶段是交通流理论最为辉煌的时期,经典交通流理论和模型几乎全部出自这一时期。
交通流理论中的经典方法、理论和模型相继涌现,如车辆跟驰(Car-following)模型、车流波动(Kinematic Wave)理论和排队论(Queuing Theory)。
这一时期群星闪耀,许多在自然科学其他领域中的大师级人物(如数学家、物理学家、力学家、经济学家)都投入到交通流理论的研究中,其中不乏诺贝尔奖金的获得者,如1977年的诺贝尔化学奖获得者伊利亚?普列高津(Ilya Prigogine)。
着名人物有赫曼(Herman)、鲁切尔(Reuschel)、沃德卢普(Wardrop)、派普斯(Pipes)、莱特希尔(Lighthill)、惠特汉(Whitham)、纽维尔(Newell)、盖热斯(Gazis)、韦伯斯特(Webster)、伊迪(Edie)、福特(Foote)和钱德勒(Chandler)。
4第四章 交通流理论
2. 渐近稳定
是引导车向后面各车传播速度变化。
如扩大其速度振幅,叫做不稳定,如振幅逐渐衰 弱,则叫做稳定,这称为渐近稳定。
36
4.3
线性模型的稳定性
随着C值的增加,两车之间的车头间距逐渐的成为不稳定。这是 由于,如果对出现的事件,延迟反映的时间T过长,反应太强烈 (������大,表现在油门过大,或脚刹车踏得过重),则在作出反应 时,情况可能已偏离实际上的需求。
3
Contents 目录
1、概述 2、交通流的统计分布特性 3、排队论的应用
4、跟驰理论简介
5、流体动力学模拟理论
4
2.1
交通流统计分布的含义与作用
交通的到达在某种程度上具有随机性,描述这种随 机性的统计规律有两种方法。一种是以概率论中的
离散型分布为工具,考察在一段固定长度的时间内
到达某场所的交通数量的波动性;另一种是以概率 论中的连续性分布为工具,研究上述事件发生的间 隔时间的统计特性。
dk d (kv ) 0 dt dx
用流体力学的理论建立交通流的运动方程:
dk dv 0 dx dt
41
5.1
Q K
车流连续性方程
△x △t
Q
(K-△K,Q+△Q ) (K,Q)
Q+△Q K-△K
Ⅰ
Ⅱ
K
42
5.2
车流波动理论
列队行驶的车辆在信号灯交叉口遇到红灯后,即陆续停车排 队而集结成密度高的队列,绿灯启亮后,排队的车辆又陆续
单路多通道系统(M/M/4系统)计算各相应指标并比
较之。
25
3.2
M/M/1系统及其应用举例
26
3.2
M/M/1系统及其应用举例
- 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)。
务的车辆。
(4)排队论的应用:电话自动交换机;车辆延误、通行能 力、信号灯配时以及停车场、加油站等交通设施的设计
与管理;收费亭的延误估计。
4.3.2 基本原理
(1)排队系统的3个组成部分
输入过程:各种类型的“顾客(车辆或行人)”
按怎样的规律到达。如定长输入;泊松输入;爱
尔郎输入。(到达时距符合什么样的分布) 排队规则:指到达的顾客按怎样的次序接受 服务。如损失制;等待制;混合制。 服务方式:指同一时刻多少服务台可接纳顾
4.2.3 连续型分布
4.2.3.1 负指数分布
4.2.3.2 移位负指数分布
4.2.3.1 负指数分布
(1) 基本公式:
P(h t ) e t
P(h>t)——到达的车头时距h大于t秒的概率;
λ ——车流的平均到达率(辆/s)。
t 推导:由 P 可知,在计数间隔t内没 e k t 有车辆(k=0)到达的概率 P ,这表 e 0 明,在具体的时间间隔t内,无车辆到达,则上 次车到达和下次车到达之间,车头时距至少有t, t 即 P(h t ) e 。 ( t ) k k!
车流在断面Ⅱ的流出量为(q+△q),密度为(K-△K)。 根据物质守恒定律,流入量-流出量=△x内车辆数的变化:
q (q q)t K ( K K )x 或
取极限得:
K t
K t
q x
0
q x
0
K t
当车流量随距离而降低时,车流密度随时间而增大。 又因为q=Kv,交通流的运动方程为
4.2.3.1 负指数分布(续)
(2)负指数分布的均值M和方差D分别为M=1/λ , D=1/λ 2,用样本均值m代替M、样本的方差S2代替D, 既可算出负指数分布的参数λ 。 (3)适用条件:用于描述有充分超车机会的单列车流 和密度不大的多列车流的车头时距分布,它常与计 数的泊松分布相对应。
(4)负指数分布的概率密度函数 p(t ) e t 是单降的,车头时距越短,其出现的概率越大,但车 头时距至少有一个车长,所以车头时距必有一个大于 零的最小值τ 。
4.4.1 车辆跟驰特性分析
(1)跟驰理论的定义: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,后车跟随前车的行驶 状态的一种理论。 (2)车辆跟驰特性分析(非自由行驶状态的车队) 制约性:后车紧随前车前进。
传递性:前车的运行状态制约着后车的运行状态。
延迟性(滞后性):后车运行状态的改变在前车之后。
信号周期内到达的车辆数。
连续型分布: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。
车头时距分布、速度分布和可穿越空档分布。
4.2.2 离散型分布
4.2.2.1 泊松分布
4.2.2.2 二项分布
4.2.2.1 泊松分布
(1)基本公式
P k
( t ) k k!
P(h t ) e
( t )
(t )
τ —大于零的一个最小车头时距,一般在1.0~1.5s之间。 (2)移位负指数分布的均值M和方差D分别为M=1/λ+τ , D=1/λ2,用样本均值m代替M、样本的方差S2代替D,则
可算出移位负指数分布的参数λ和τ 。
4.2.3.2 移位负指数分布(续)
e
t
, k=0,1,2,…
Pk—在计数间隔t内到达k辆车或k个人的概率;
λ —单位时间间隔的平均到达率(辆/s或人/s);
t—每个计数间隔持续的时间(s)。 若令m=λ t为计数间隔t内平均到达的车辆(人)数, 则
P k
mk em k!
,当m为已知时,可求出在计数
间隔t内恰好有k辆车(人)到达的概率。
n1 (t T ) L 即 xn (t ) xn1 (t ) Tx
n (t ) x n1 (t ) T n1 (t T ) x 对t微分得: x
或
1 n1 (t T ) T n (t ) x n1 (t ) x x
n1 (t T ) 为后车在时刻(t+T)的加速度,称为后车 x 其中
并描述车流的拥挤——消散过程。
适用条件:流体力学模拟理论假定在车流中各个 单个车辆的行驶状态与它前面的车辆完全一样, 这与实际不符,因此该模型运用于车辆拥挤路段 较为合适。
4.5.2 车流连续性方程
假设车辆顺次通过断面Ⅰ和Ⅱ的时间间隔为dt,两断面的
间距为dx。同时,车流在断面Ⅰ的流入量为q,密度为K。
4.2.2.1 泊松分布(续)
(5)应用举例
例4-1 某路段每小时有120辆车通过,假设车辆到达服从泊松 分布,问在指定的某一分钟内有 3 辆车通过的概率是多大,
而一分钟内不超过3辆车的概率又是多大。
例 4-2 某信号灯交叉口的周期 C=97s, 有效绿灯时间 g =44s,
在有效绿灯时间内排队的车流以 S=900(辆/h)的交通量
4.3 排队论模型
4.3.1 基本概念 4.3.2 基本原理 4.3.3 排队系统的表示
4.3.1 基本概念
(1)排队论:是研究“服务”系统因“需求”拥挤而产生
等待行列(即排队)的现象,以及合理协调“需求”与
“服务”关系的一种数学理论。 (2)排队:单指等待服务的车辆,不包括正在被服务的车 辆。 (3)排队系统:既包括了等待服务的,又包括了正在被服
4.2.2.1 泊松分布(续)
(2)递推公式:
P0 e
, m
Pk 1
m k 1
Pk
(3)适用条件:车流密度不大,车辆间相互影响较弱,其他外 界干扰因素基本上不存在,即车流是随机的。 (4)泊松分布的均值M和方差D都等于λ t,而观测数据的均值m 和方差S2均为无偏估计,因此,当观测数据表明S2/m显著地不 等于1.0时,就是泊松分布不合适的表示。 m—在某一给定时间间隔周期内到达车辆的平均数; S2—各车辆到达数与均值之差的平方和的平均数。
( Kv ) x
0
4.5.3 车流波动理论
(1)基本概念
车流的波动:车流中两种不同密度的分界面经过
一辆辆车向后部传播的现象。
波速:车流波动沿道路移动的速度。
前进波:沿道路前进的波,波速为正。
4.1.2.2 二项分布(续)
(2)递推公式:
P0 (1 p)
(3)适用条件:
n
Pk 1
n k k 1
p 1 p
P k
车辆比较拥挤、自由行驶机会不多的车流。 (4)分布的均值M和方差D分别为M=np,D=np(1-p), 显然有M>D。用观测数据计算出来的样本均值m和方差 S2代替M和D,当S2/m显著大于1.0时,就是二项分布不 适的表示。
4.2.3.1 负指数分布(续)
(5)应用举例
例4-3 某交通流属泊松分布,已知交通量为1200 辆/h,求:
a) 车头时距t≥5s的概率; b)在1小时内,车头时距t>5s所出现的次数; c)车头时t>5s时车头间隔的平均值。
4.2.3.2 移位负指数分布
(1)基本公式
为克服负指数分布的车头时距趋近于零其频率出现 愈大这一缺点,可将负指数分布曲线从原点O沿t向右移 一个最小间隔长度τ ,得到移位负指数分布曲线:
客,每一顾客服务了多少时间。如定长分布;负
指数分布;爱尔朗分布。
4.3.2 基本原理(续)
(2)排队系统的主要数量指标 队长和排队长:若排队系统中的顾客数为n,排
队顾客数为q,正在被服务的顾客数位s,则n=q+s。
队长是排队系统提供的服务水平的一种衡量。
逗留时间和等待时间 :逗留时间是指一个顾客
逗留在排队系统中的总时间。等待时间是指从顾客到 达时起到他开始接受服务时止这段时间。 忙期和闲期:忙期是指服务台连续繁忙的时期, 相对应的是闲期,这关系到服务台的工作强度。
4.3.3 排队系统的表示
类别 输入分布 M—泊松或负指数分布 符号 含义 D—定长 Ek —爱尔朗分布 服务方式 M—负指数分布 D—定长 Ek —爱尔朗分布 服务台 数量 1 N
M/M/N——泊松输入、负指数分布服务、N个服务台
M/D/1——泊松输入、定长服务、单个服务台
4.4 跟驰模型
4.4.1 车辆跟驰特性分析 4.4.2 线形跟驰模型
11 11 i 9.9 9 . 9 P ( 11 ) 1 P ( 11 ) P e 0.29 i i! i0 i0
即到达车辆不致两次排队的周期数最多占71%。
4.2.2.2 二项分布
(1)基本公式:
P 1 k C ( n ) (
k n k
t
t
n
)
nk
(3)适用条件
用于描述不能超车的单列车流的车头时距分布和 车流量低的车流的车头时距分布。
(4)移位负指数分布的局限
移位负指数分布的概率密度函数曲线是随 t-τ 单 调递降的,车头时距愈接近τ ,其出现的可能性愈大。 这在一般情况下是不符合驾驶员的心理习惯和行车特 点的。从统计角度看,车头时距分布的概率密度曲线 一般总是先升后降的。
,k=0,1,2,…
Pk—在计数间隔t内到达k辆车或k个人的概率;
λ —单位时间间隔的平均到达率(辆/s或人/s); t—每个计数间隔持续的时间(s)或距离(m); n—观测次数,正整数。 通常记 p
t
n
,则二项分布为:
k Pk Cn ( p)k (1 p)nk
(0 p 1)
4.2 交通流的统计分布特性
4.2.1 交通流统计分布的含义
4.2.2 离散型分布
4.2.3 连续性分布