车道被占用对城市道路通行能力的影响—毕业论文设计.doc

上传人:小小飞 文档编号:3973436 上传时间:2019-10-11 格式:DOC 页数:60 大小:1.17MB
返回 下载 相关 举报
车道被占用对城市道路通行能力的影响—毕业论文设计.doc_第1页
第1页 / 共60页
车道被占用对城市道路通行能力的影响—毕业论文设计.doc_第2页
第2页 / 共60页
车道被占用对城市道路通行能力的影响—毕业论文设计.doc_第3页
第3页 / 共60页
车道被占用对城市道路通行能力的影响—毕业论文设计.doc_第4页
第4页 / 共60页
车道被占用对城市道路通行能力的影响—毕业论文设计.doc_第5页
第5页 / 共60页
点击查看更多>>
资源描述

《车道被占用对城市道路通行能力的影响—毕业论文设计.doc》由会员分享,可在线阅读,更多相关《车道被占用对城市道路通行能力的影响—毕业论文设计.doc(60页珍藏版)》请在三一文库上搜索。

1、I 目目 录录 摘摘 要要IIII ABSTRACTABSTRACTIIIIII 1 1引言引言 1 1 2 2问题重述问题重述 1 1 3 3模型假设与符号说明模型假设与符号说明 1 1 3.1 模型假设 1 3.2 符号说明 2 4 4问题分析与求解问题分析与求解 2 2 4.1 问题一:交通事故发生至撤离期间,事故所处横断面实际通行能 力的变化.2 4.1.1 事故发生点横断面车流通过情况 .2 4.1.2 事故对道路通行能力的影响 .2 4.1.3 数据处理 .3 4.1.4 模型建立与.5 】【 解释 21 4.1.5 道路通行能力变化过程的描述 .5 4.2 问题二:根据问题 1

2、所得结论,结合视频 2,分析说明同一横断 面交通事故所占车道不同对该横断面实际通行能力影响的差异。.6 4.2.1 事故点横断面道路通车流量的变化 .6 II 4.2.2 通行能力变化分析 .6 4.2.3 道路实际通行能力的模型建立 .7 4.2.4 道路实际通行能力计算模型 II.7 4.2.5 道路通行能力变化的对比分析 .9 4.2.6 事故对同一横道路断面通行能力影响的差异分析 .9 4.2.7 结论 10 4.3 问题三:建立模型,求解交通事故中,路段车辆排队长度与事故 横断面实际通行能力、事故持续时间、路段上游车流量间的关系11 4.3.1 单服务混合制模型:11KMM/1/ 4

3、.3.2 通过多元线性拟合方法分析数据 12 4.3.3 道路阻塞时车辆排队长度计算模型 14 4.3.4 集散波理论 14 4.3.5 运用排队论: .151/MM 】【 模型 9 4.4 问题四:假如视频 1 中的交通事故所处横断面距离上游路口变为 140 米,路段下游方向不变,路段上游车流量为 1500,事故发hpcu/ 生时车辆初始排队长度为零,且事故持续不撤离。估算出从事故发生 开始车辆排队长度达到上游路口的时间。16 4.4.1 分析证明 16 4.4.2 问题解决 17 5 5模型评价与推广模型评价与推广 1818 参考文献参考文献1919 谢谢 辞辞2020 附附 录录2121

4、 III 摘摘 要要 本文基于题目中视频 1 和视频 2,对因交通事故导致城市车道被 占用的情况进行分析,估算出车道被占用对城市道路通行能力的影响 程度,为交通管理部门正确引导车辆行驶、审批占道施工、设计道路 渠化方案、设置路边停车位和设置非港湾式公交站台等提供理论依据。 关键词关键词:通行能力、单因素方差分析、多元线性回归、排队论模1/MM 型 IV ABSTRACTABSTRACT Basic on video 1 and video 2 from the topic of this competition,we analyze the reasons that result of lan

5、e occupancy,figure out the degree of influence and offer the traffic manage department a theoretical reference to guide vehicles run in a right way,examine and approve construction of lane occupancy,design program for road channelization,set roadside parking space and set the bus bay for bus stop. K

6、 Ke ey y w wo or rd ds s: : traffic capacity; ANOVA; MLR; Queuing 1/MM Theory Model V 1 1 1引言引言 本文是在“2013 高教社杯全国大学生数学建模竞赛”参赛论文 的基础上完成的,原参赛论文是由蒋燕、孙诗书和我三人共同完成 的。首先我得感谢他们两人在数学建模竞赛中所做出的各项努力。 征得他们同意,我在原参赛论文的基础上做出了一定的修改与完善, 形成了本篇毕业论文。 由于参赛过程中时间比较仓促,所以我对数据又进行了进一步 的检验与运算,并对理论系统进行了完善,得到了更好的分析结果。 2 2问题重述问题重述

7、车道被占用是指因交通事故、路边停车、占道施工等因素,导 致车道或道路横断面通行能力在单位时间内降低的现象。由于城市 道路具有交通流密度大、连续性强等特点,一条车道被占用,也可 能降低路段所有车道的通行能力,即使时间短,也可能引起车辆排 队,出现交通阻塞。若处理不当,甚至会出现区域性拥堵。现在要 求我们(1)根据视频 1,描述视频中交通事故发生至撤离期间,事故 所处横断面实际通行能力的变化过程;(2)根据问题 1 所得结论, 结合视频 2,分析说明同一截断面交通事故所占车道不同对该横断 面实际通行能力影响的差异;(3)构建数学模型,分析视频 1 中交 通事故所影响的路段车辆排队长度与事故横断面实

8、际通行能力、事 故持续时间、路段上游车流量间的关系;(4)假如视频 1 中的交通 2 事故所处横断面距离上游路口变为 140m,路段下游方向不变,路段 上游车流量为 1500,事故发生时车辆初始排队长度为零,且hpcu/ 事故持续不撤离。估算出从事故发生开始车辆排队长度达到上游路 口的时间。 3 3模型假设与符号说明模型假设与符号说明 3.1 模型假设 整个记录时段,行人不造成影响; 假设摩托车与三轮机动车对道路通行能力没有影响; 事故发生时,两个车道被完全占用; 在计算实际道路通行能力时,忽略驾驶员的驾驶条件; 假设车辆的车尾经过事故横截面时,则记为已通过该路段在 事故发生时段; 车辆通过事

9、故发生点横断面的速度匀速。 3.2 符号说明 符 号 释义符号释义 3 t车辆通过事故发生地点横断面 的平均时间 L 车辆排队 长队 车辆通过事故现场的时间服务强度 M 平均长度 K 最大车容 量 N路段上游车流量F实际通行 能力 T 事故持续时间 0 b 常数 0 t 第一辆跑完 140m 所用时间, 1 b 2 b , 3 b 回归系数 符号名称释 义 符号名称视频 1 视频 2 大型车平均速度 ()s/m 1a大型车(辆)1A2A 中小型车平均速度( )s/m 2a中小型车 (辆) 1B2B 电瓶车平均速度 ()s/m 3a电瓶车(辆)1C2C 4 4 4问题分析与求解问题分析与求解 4

10、.1 问题一:交通事故发生至撤离期间,事故所处横断面实际通行 能力的变化 4.1.1事故发生点横断面车流通过情况 由于视频 1 记录的是 16:38:39-17:03:45 时间段的车流通行情 况。为使事故发生前后道路通行能力能有所对比,我们把从视频中 得到的数据进行了处理。视频记录开始时间为 16:38:38,事故发生 时间为 16:42:32,事故结束撤离现场时间是在 17:01:02.为方便记 录与计算,我们以事故开始时间为基点,分别向前、向后以 30 秒 为一时间间隔,记录了两个时间段内各个时段大型、中小型及电瓶 车的通过数量。视频中事故发生前的持续时间为 16:38:38- 14:4

11、2:09;共分为 8 个时段,为方便计算,我们把第一个分段取为 16:38:40-16:39:00,持续时间只有 20 秒,其余间隔时间均为 30 秒。事故持续时间为 16:42:32-17:01:02,共分了 29 各时段。事故 发生阶段,有多个记录段数据缺失,这些时段均用红色标记以示区 分,具体记录数据见附录 1。 4.1.2事故对道路通行能力的影响 对视频 1 的观察,在事故发生前,一、二、三车道各车辆均维 持正常速度匀速行驶。而两车相撞后,导致第二、三车道被完全占 用,仅车道三可以通行。所以事故发生点道路交通面瞬间由三个车 道缩减为一个车道。并且,原本在第二、第三车道行驶的车辆都被 迫

12、转向车道一通行,致使车道一的车流量迅速增多,影响了车辆正 5 常运行。由视频观察可知,事故发生后,驾驶人试图避开他们觉得 有危险的路边,被迫向一车道靠近,且原本在一车道行驶的车辆在 接近事故发生点时,为避免二次事故,均采取了减速行驶,导致通 行能力迅速下降。期间,视频在事故前停留了一次,经观察得出, 从该时刻至下一次停留时刻这一段时间内车辆总数达到最大。而事 故中视频停留了 5 次,经观察,在这 6 次停留中,车辆总数呈递增 趋势,并且在 16:50-16:53 这短短的三分钟内就停留了 3 次,由此 可见,随着时间的推移,事故对道路通行力的负面影响呈上升 。 【1】 趋势 4.1.3数据处理

13、 在视频 1 中,各车型车速度的记录如表 2 所示,见附录 2,由 于大型车辆的通行密集度很小,导致采集数据时为空缺,表中红色 标记时间段为缺失时间段,总共有 5 处。 对缺失数据的处理方法有以下几种: 1. 个案剔除法 最常见、最简单的处理缺失数据的方法是用个案剔除法 (listwise deletion),也是很多统计软件(如 SPSS 和 SAS)默认的 缺失值处理。在这种方法中如果任何一个变量含有缺失数据 【2】 方法 的话,就把相对应的个案从分析中剔除。如果缺失值所占比例比较 小的话,这一方法十分有效。至于具体多大的缺失比例算是“小” 比例,专家们意见也存在较大的差距。有学者认为应在

14、以下,也%5 有学者认为以下即可。然而,这种方法却有很大的局限性。它%20 是以减少样本量来换取信息的完备,会造成资源的大量浪费,丢弃 6 了大量隐藏在这些对象中的信息。在样本量较小的情况下,删除少 量对象就足以严重影响到数据的客观性和结果的正确性。因此,当 缺失数据所占比例较大,特别是当缺数据非随机分布时,这种方法 可能导致数据发生偏离,从而得出错误的结论。 2. 均值替换法 在变量十分重要而所缺失的数据量又较为庞大的时候,个案剔 除法就遇到了困难,因为许多有用的数据也同时被剔除。围绕着这 一问题,研究者尝试了各种各样的办法。其中的一个方法是均值替 换法(mean imputation)。我

15、们将变量的属性分为数值型和非数值 型来分别进行处理。如果缺失值是数值型的,就根据该变量在其他 所有对象的取值的平均值来填充该缺失的变量值;如果缺失值是非 数值型的,就根据统计学中的众数原理,用该变量在其他所有对象 的取值次数最多的值来补齐该缺失的变量值。但这种方法会产生有 偏估计,所以并不被推崇。均值替换法也是一种简便、快速的缺失 数据处理方法。使用均值替换法插补缺失数据,对该变量的均值估 计不会产生影响。但这种方法是建立在完全随机缺失(MCAR)的假设 之上的,而且会造成变量的方差和标准差变小。 3. 热卡充值法 对于一个包含缺失值的变量,热卡填充法在数据库中找到一 个与它最相似的对象,然后

16、用这个相似对象的值来进行填充。不同 的问题可能会选用不同的标准来对相似进行判定。最常见的是使用 相关系数矩阵来确定哪个变量(如变量 )与缺失值所在变量(如变量Y )最相关。然后把所有个案按 的取值大小进行排序。那么变量XY 的缺失值就可以用排在缺失值前的那个个案的数据来代替了。与X 均值替换法相比,利用热卡填充法插补数据后,其变量的标准差与 插补前比较接近。但在回归方程中,使用热卡填充法容易使得回归 7 方程的误差增大,参数估计变得不稳定,而且这种方法使用不便, 比较耗时。 4. 回归替换法 回归替换法首先需要选择若干个预测缺失值的自变量,然后建 立回归方程估计缺失值,即用缺失数据的条件期望值

17、对缺失值进行 替换。与前述几种插补方法比较,该方法利用了数据库中尽量多的 信息,而且一些统计软件(如 Stata)也已经能够直接执行该功能。 但该方法也有诸多弊端,第一,这虽然是一个无偏估计,但是却容 易忽视随机误差,低估标准差和其他未知性质的测量值,而且这一 问题会随着缺失信息的增多而变得更加严重。第二,研究者必须假 设存在缺失值所在的变量与其他变量存在线性关系,很多时候这种 关系是不存在的。 5. 多重替代法 多重估算是由 Rubin 等人于 1987 年建立起来的一种数据扩充 和统计分析方法,作为简单估算的改进产物。首先,多重估算技术 用一系列可能的值来替换每一个缺失值,以反映被替换的缺

18、失数据 的不确定性。然后,用标准的统计分析过程对多次替换后产生的若 干个数据集进行分析。最后,把来自于各个数据集的统计结果进行 综合,得到总体参数的估计值。由于多重估算技术并不是用单一的 值来替换缺失值,而是试图产生缺失值的一个随机样本,这种方法 反映出了由于数据缺失而导致的不确定性,能够产生更加有效的统 计推断。结合这种方法,研究者可以比较容易地,在不舍弃任何数 据的情况下对缺失数据的未知性质进行推断。NORM 统计软件可以较 为简便地操作该方法。 这里我们采用均值替换法,以前一时段和后一时段的平均值对 缺失数据进行补充后如表 1 所示。利用 excel 图表插入对其进行处 8 理后,得到事

19、故期间事故点横断面车速曲线图如图 1 所示。 时段序 号 A1B1C1 时段序 号 A1B1C1 13.8156.318 6.07545496 1 1.9 5.12 23.644.5 7.119 6.00060661 5 2.8 5.25 32.962.5 6.6203.751.3 5.55 43.4755.821 5.27535385 9 1.44.6 53.364.5 5.622 5.00865349 1 0.96 5.8 63.263.2 7.8233.081.24.7 72.893.3 7.824 4.45466911 7 1.55.3 83.172.7 6.225 4.1811075

20、3 6 1.54.6 93.22.5 5.826 3.90525888 4 2.74.1 10 3.08666666 7 4.4 7.427 4.18034517 9 1.63.9 9 1181.7 6.528 4.08890386 6 2.73.4 12 4.76222222 2 2.1 6.8294.058169311.64.6 13 5.28296296 3 2.4 3.630 4.10913945 2 1.45.1 14 6.01506172 8 2.9 3.331 4.08540420 9 2.14.4 156.33.4 4.632 4.08423765 7 1.74.2 165.8

21、6600823 2.2 4.1633 4.09292710 6 2.34.7 17 6.06035665 3 2.7 5.8834 4.08752299 1 2.53.6 表 1 事故持续时间为 16:42:32-17:01:02,共分为 29 各时段,各记 录段以数字 1-29 代替。通过图 1 可以看出,各车道平均车速的变 化。电瓶车由 7 降至 4,中小车型由 4 降至 2,大型车变化不大, 维持在 2 左右。对于中小型车和电瓶车来说,事故发生对其速度的 影响较明显;而对于大型车来说,由于其本身通行随机性变化很大, 所以会出现途中 11-17 这 7 个记录段的数据。这里我们对大 【3】

22、 异常 型车这一影响因素的重要性的考虑相对弱一点。对整个图形来说, 10 各车的速度不仅在短时间内有变化,且总体呈下降趋势,说明事故 的发生降低了道路通行能力。 4.1.4模型建立与解释 1.道路实际通行能力模型 I 【4】【5】 计算 事故发生期间,为得到各时段道路实际通行能力的变化情况, 我们通过下面的模型进行计算,道路折减系数取 0.83. ,83 . 0 SC 式中 道路实际通行能力,C 道路实时车流量。S 利用该模型得到事故期间事故点横断面的各时段道路车流量表, 见附录 4,利用 excel 图表插入导出其曲线图如图 2 所示。 图 1 图 2 4.1.5道路通行能力变化过程的描述

23、根据我们运用插值法后得到的视频 1 的实际道路通行能力的曲 11 线变化图,我们发现总体波动震荡趋势是由大至小,后期逐渐趋于 平稳。一开始连续出现了两波 800 左右的低谷,我们认为这是由于 大型汽车的发车间隔时间造成的,如公交车,其体积较大、速度较 慢,所以会造成短时间内的较严重的阻塞情况。其次,又因车流量 受交通灯放行影响,而交通灯周期大概为 60s,所以大概每隔一段 时间,在交通灯放行和大型汽车的双重影响下,导致形成了实际道 路通行能力的类山谷函数。而该图出在中间时段出现了两个 【6】 图 1200 的峰点,我们认为这是由于实际情况与理想情况的差异造成的, 因为理想情况的基本道路通行能力

24、,为一条道路的基本通行能力, 而视频 1 我们默认空余车道为一条,但实际上,旁边的自行车道和 事故地点的约半条车道都是可以让小轿车通过的。所以这种情况会 让原本只有一条车道的实际通行能力高于其基本通行能力,这是由 于实际情况下车道数目未必确切所导致的。最后,我们分析了事故 发生后实际道路通行能力下降的原因,除了占用车道使有效车道数 减少外,途径的车辆驾驶员也会因发生事故对其正常驾驶造成一定 影响,如为避免发生二次事故,驾驶员在通过事故点横断面时减速 行驶,使得实际道路通行能力下降。 4.2 问题二:根据问题 1 所得结论,结合视频 2,分析说明同一横断 面交通事故所占车道不同对该横断面实际通行

25、能力影响的差异。 4.2.1事故点横断面道路通车流量的变化 视频 2 的持续时间为 35 分钟,处在 17:28:51-18:04:01 该段 时间。其中事故发生时间段为 17:34:42-18:02:42,与第一问的处 12 理方式一致,同样的以 30 秒为间隔,这里我们只考虑事故发生期 间,共有 55 个记录时段,记录数据见附件 3。利用 excel 插入事故 期间事故点横断面段车辆速度变化曲线图如图 3 所示。 4.2.2通行能力变化分析 从图中可以看出当车道二、三被占后,车道一的通行能力迅速 下降,相对于视频一中车道三的通行能力受阻情况,车道一的通行 能力下降更为明显,对大型车、中小型

26、车以及电瓶车的影响均呈下 降趋势,且随着时间的推移,各车型车平均速度整体变化分三个时 间段均呈递减趋势。这三个时间段内,车辆速度基本维持在一个基 准线上。其中第一段是从 1-7 记录段,车速基本维持在 8 左右;第 二段是 7-22 记录段,车速基本维持在 6 左右;第三段是 22-40 记 录段,车速基本维持在 3 左右。不同于视频 1 中车道三被堵,视频 二中车道一被堵对不同车型车辆速度的影响差别不大。但相对于视 频 1,车辆平均速度整体要大,说明车道三的通行能力比车道一的 通行能力要大。 通过观察视频,我们可以看出,事故发生前,各车道车辆行驶 正常,且车辆变道行驶情况不明显。到 17:3

27、4:42 这一时刻,第一、 二车道两车相撞,第一、二车道被完全堵住,仅车道一可以行驶。 原本在一、二车道正常行驶的车辆,被迫改道驶向第三车道。且期 间视频停留次数有 10 次,据观测,车辆数依次增多,并且停留时 间点大都集中在 17:50-18:02 这个时间段。相对于视频 1 所反映的 情况,车道一被堵与车道三被堵对道路通行能力的影响是不同的, 13 这一点根据道路折减系数的不同可以得出。通过对比两个视频,我 们可以看出,同一横断面事故所占车道不同对该横断面通行能力的 影响是存在差异的。 4.2.3道路实际通行能力的模型建立 根据平均实时实际通行能力来反应道路通行能力的不同。为在 城市主干道

28、,一般越靠近路中心线的车道及本题目中的车道三,通 行能力越大,其道路折减系数假设为 1.00, ,第二条车道及车道二 为 0.80-0.89,第三条车道及车道一为,0.65-0.78.在此取其平均 值车道二为 0.85,车道三为 0.71. 标准车当量 数转换标准:S 小车:1 辆=1 中车:1 辆=1.5pcupcu 大车:1 辆=2 电瓶车:1 辆=0.5pcupcu 车辆类型及符号说明: 车型车型说明 大型 车 大平板车、集装箱运输车、公交车、载货汽车、大客车、 重型载货汽车、半拖挂、全拖挂等 中小 型车 微型面包车及其改装车、吉普车、客货两用车、小轿车、 轻型货车、面包车等 电瓶 车

29、两轮摩托、电动摩托等 14 4.2.4道路实际通行能力计算模型 II 事故发生时段道路实际通行能力计算: 视频 1 事故前的道路实际通行能力,)75 . 0 85 . 0 1 ( 3600 1 1 t C 视频 1 事故中道路实施通行能力,1 3600 2 2 t C 视频 2 事故前的道路实际通行能力,)75 . 0 85 . 0 1 ( 3600 3 3 t C 视频 2 事故中道路实施通行能力,1 3600 4 4 t C 式中 视频 1 事故前车辆通过事故发生点横断面的平均时间, 1 t 视频 1 事故中车辆通过事故发生点横断面的平均时间, 2 t 视频 2 事故前车辆通过事故发生点横

30、断面的平均时间, 3 t 视频 2 事故中车辆通过事故发生点横断面的平均时间。 4 t 利用该模型分别计算出视频 1 中两个状态下表事故前和事故中 道路实时通行能力如表 2 所示。 由表 2 可知,事故前车辆通过事故发生点的平均时间为 1.375s,而事故后的平均时间增加到 3.8s,同比增加 2.425s,增 加了将近两倍。而通行能力的变化更为明显,从 6812 降到了 947, 减少了 5865,相较于事故前,下降了将近,该变化表明事故对道 6 1 路通行能力产生了严重的负面影响。 利用该模型分别计算出视频 2 中两个状态下事故期间事故点横 15 断面道路实时通行能力如表 3 所示。 事故

31、前事故中 时 刻 t(s)时 刻 t(s)(st时 刻 t(s)时 刻 t(s)(st 11 t 2 15 t 1.521 t 3 25 t 3. 5 12 t 1. 5 16 t 1.2 5 375 . 1 t1 22 t 4. 6 26 t 4 8 . 3t2 13 t 1 17 t 1.7 5 通行能 力 23 t 4. 5 27 t 3. 8 通行能 力 14 t 1 18 t 1681224 t 3. 2 28 t 3. 6 947 表 2 事故前事故中 时 刻 t(s)时 刻 t(s)(st时 刻 t(s)时 刻 t(s)(st 11 t 1.5 15 t 1.521 t 2. 5

32、 25 t 3 12 t 2 16 t 1.7 5 65 . 1 t3 22 t 3. 5 26 t 3.2 5 8 . 2t4 16 13 t 1.7 5 17 t 1.7 5 通行能 力 23 t 3. 5 27 t 2.2 5 通行能 力 14 t 2 18 t 1567224 t 2. 5 28 t 21285 表 3 由表 3 我们可以得出:车辆通过事故点横断面的时间从 1.65s 增至 2.8s,增加了 1.15s,通行能力从 5672 降至 1285,下降了 4387,将近下降至事故的 。相较于视频 1 显示的数据,我们可以 3 1 得出车道一被堵相较于车道三被堵对道路通行能力产

33、生的影响要小, 说明车道三的通行能力比车道一的通行能力大。 4.2.5道路通行能力变化的对比分析 利用模型 I 得到的各时段道路车流量记录表,利用 excel 差值 法,得到事故期间事故点横断面道路通行能力变化曲线图如图 4 所 示。 根据视频 1 的结论,结合视频 2 的函数变化图,我们发现视频 2 的函数图中的点(将受大型车间隔周期影响的点除外)都在 1300 左 右上下波动,偶尔可以达到 2000 以上;而视频 1 的点只是在 900 左右徘徊,间或可达到 1200。再结合视频 1 和视频 2 的交通事故阻 塞位置,我们发现视频 1 中车道二和车道三被堵,仅车道一可通行; 而视频 2 中

34、车道一和车道二被堵,仅车道三可以通行。根据各车道 的通行能力所得出的结果,由于多车道道路机动车道上的车辆从一 17 个车道转入另一车道(超车、转弯、绕越、停车等)时,会影响另一 车道的通行能力,因此,最靠近中线的车道,通行能力最大,右侧 同向车道通行能力从左至右将依次有所折减,最右侧车道的通行能 力最小。在城市主干道,一般最靠近路中心线的车道及本题目中的 车道三,通行能力最大,其折减系数假设为 1.00,类似的,车道二 为 0.80-0.89,车道一为 0.65-0.78.在此取其平均值,即车道二为 0.85,车道一为 0.71.综上所述,由于视频 1 与视频 2 的交通事故 阻塞车道不同,导

35、致能通行的车道分别为车道一与车道三,这就决 定了两种情况下实际道路通行能力的差别。 图 3 图 4 4.2.6事故对同一横道路断面通行能力影响的差异分析 单因素方差分析 】【 法 7 首先在单因素试验结果的基础上,求出总方差、组内方差、组V W V 间方差. B V 总方差 , 2 )(xxV ij 组内方差 , 2 )( iijw xxV 组间方差 , 2 )(xxbV iB 从公式可以看出,总方差衡量的是所有观测值对总均值 的偏离 ij xx 18 程度,反映了抽样随机误差的大小,组内方差衡量的是所有观测值 对组均值 的偏离程度,而组间方差则衡量的是组均值对总均 ij xx i x 值 的

36、偏离程度,反映系统的误差。x 在此基础上,还可以得到组间均方差和组内均方差: 组间均方差 , 1 a V S B B 组内均方差 , aab V S W W 在方差相等的假定下,要检验 个总体的均值是否相等,须给定原n 假设和备择假设。 原假设 :均值相等即, 0 H n 21 备择假设 :均值不完全相等, 1 H 则可以应用 F 统计量进行方差检验: , 2 2 )/( ) 1/( W B W B S S aabV aV F 该统计量服从分子自由度,分母自由度为的分布。1aaab F 给定显著性水平 ,如果根据样本计算的统计值小于等于临aF 界值,说明原假设不成立,总体均值不完全相等,),

37、1(aabaF 0 H 差异并非仅由随机因素引起。 对比视频 1 与视频 2,二者不同之处在于通行车道分别为车道 一、车道三,所以我们利用单因素方差分析法对其进行分析。用 SPSS19.0 得到结论,见表 4、表 5、表 6. 4.2.7结论 在我们实际生活中,各车道的通行能力是不一样的,以车道三 为例,且以道路中心线为基准,向两边呈递减趋势。这些取值相较 19 于实际情况,在车辆的离散性、绿信比的周期不同等因素的影响下, 必然会存在一些误差。而视频 1 中事故发生时段为 16:42:32- 17:01:02,视频 2 中为 17:34:42-18:02:42,视频 2 中的事故发生 在车流量

38、达到高峰期的时段,相比之下,同一横断面,不同车道的 通行能力是有差异的。明显车道三的通行能力比比车道一大。通过 视频中显示的数据以及相关的计算,表明 检验显著性小于F 0.01,可以推断视频 1 与视频 2 中因事故所占车道不同,对道路实 际交通能力的影响具有显著差异。 描述描述 实际通行能力 均值的 95% 置信 区间 N 均值标准差标准误 下限上限 极小 值 极大值 1.0 0 33841.197 455 352.546 8969 61.370 5374 716.189 761 966.205 149 .0000 1217.1 120 2.0 0 561214.43 3000 271.87

39、3 9170 36.330 6804 1141.62 4690 1287.24 1310 588.8 160 2158.9 920 总 数 891076.04 2292 352.509 4630 37.365 9283 1001.78 5361 1150.29 9223 .0000 2158.9 920 表 4 方差齐性检验方差齐性检验 实际通行能力 20 Levene 统计量 df1df2 显著性 2.260187.136 表 5 单因素方差分析单因素方差分析 实际通行能力 平方和 df 均方 F 显著性 组间 2892530.55512892530.55531.290.000 组内 804

40、2606.5368792443.753 总数 10935137.09188 表 6 4.3 问题三:建立模型,求解交通事故中,路段车辆排队长度与事 故横断面实际通行能力、事故持续时间、路段上游车流量间的 关系 4.3.1单服务混合制模型:KMM/1/ 因变量:车辆排队长度.M 自变量:实际通行能力、事故持续时间 、路段上游车流量间FT 的关系.N 实际通行能力,数据见问题 1.F 路段上游车流量,数据取问题 1 中正常状态下车流量平均值N (为常数).C 21 现将每一辆机动车车头开始通过事故点横断面理解为开始接受 服务,车尾通过事故点横断面后理解为接受服务结束。经过观察, 我们得出车辆相继到

41、达事故点的过程服从参数为 的负指数分布(即 车辆的到达过程为 Poisson 流),服务台个数为 1,服务时间 服从T 参数为的负指数分布,系统的空间为.K 其中, 为车辆在某时间段到达的数目(取问题 1 中的车流量),V 最大的车容量 (一般取两辆小车的安全距 最小安全车头时距 3240 K 离 5m). 由于所考虑的排队系统中最多只能容纳个顾客(等待位置只K 有个),因而有1K , 0 , n . , 1, 2 , 1 , 0 kn kn , n kn, 2 , 1 , 0 , 0 ,)( nn n e C , , 2 , 1 , 0 kn kn 故 , , 0 pp n n 1 其中 ,

42、 1 1 , 1 1 1 1 1 1 0 k p k k n n . 1 , 1 当时,由单服务台混合制排队系统平稳状态下队长的分布1 取平均队长为M 22 时,1 1 1 1 ) 1( 1 k k k M 时,.1 k n k n n n k pnnpM 01 0 2 类似的可得到平均排队长为: q L , ) 1(2 ) 1( , 1 )1 ( 1 1 k kk k L k k q . 1 , 1 由于排队系统的容量有限,只有个排队位置,因此当系统1K 空间被占满时,后来的车辆将不能进入系统。 】【 排队 8 4.3.2通过多元线性拟合方法分析数据 在许多实际问题中,我们所研究的因变量的变

43、动可能不仅只与 一个解释变量有关。因此,有必要考虑线性模型的一般形式,即多 元线性回归模型: ., 22110 uXXXY kk nt, 2 , 1 在这个模型中, 由所解释,有个未知参数Y k XXX, 21 1K .这里, “斜率”的含义是其它变量不变的情况下, k , 210 j 改变一个单位对因变量所产生的影响。针对问题三,我们只取三 j X 个未知量,建立回归模型如下: . 3322110 XbXbXbbL 用 SPSS19.0 对路段车辆排列长度与事故点横断面实际通行能 力、事故持续时间、路段上游车流量各变量进行数据拟合,拟合结 果见附件 8,通过多元线性回归分析法分析结果如表 7

44、、表 8、表 9、表 10 所示。 23 4.3.2.1用多元线性回归模型结果如表 7、8、9 所示: 模型汇总模型汇总 模型 R R 方调整 R 方 标准 估计的 误差 1.989a.978.976.00045027 a. 预测变量: (常量), 实际通行能力, 上游车流 量 X2, 事故持续时间 X3。 表 7 AnovaAnovaa a 模型平方和 df 均方 FSig. 回归 .0003.000440.29 5 .000b 残差 .00030.000 1 总计 .00033 a. 因变量: 排队长度 L b. 预测变量: (常量), 实际通行能力, 上游车流 量 X2, 事故持续时间

45、X3。 表 8 系数系数 a a 模型非标准化系数标准系 tSig. 24 数 B 标准 误差 试用版 1 (常量) .001-8.861.000 上游车流 量 X2 -.037.018-.717-2.019.042 事故持续 时间 X3 1.053.2261.6944.668.000 实际通行 能力 .001.006.008.087.932 a. 因变量: 排队长度 L 表 9 4.3.2.2结果分析: 从拟合优度来看,线性关系非常显著。 多元线性回归方程应该为: .06 . 0 37 . 0 053 . 1 23 XXL 但是,由于常数项的 sig 为,所以常数项具备显著) 1 . 000

46、6. 0( 性,因为实际通行能力的 sig 为,所以实际通行能力不)05 . 0 932 . 0 ( 具备显著性,可以剔除。所以,标准化的回归方程为: 25 .06 . 0 37 . 0 053 . 1 23 XXL 4.3.2.3用逐步回归法进行回归的结果如表 10、11 所示: 模型汇总模型汇总 模型 R R 方调整 R 方 标准 估计 的误差 1.987a.975.974.00046466 2.989b.978.976.00044300 a. 预测变量: (常量), 事故持续时间 X3。 b. 预测变量: (常量), 事故持续时间 X3, 上游车流 量 X2。 表 10 系数系数 a a

47、 非标准化系数标准系 数 模型 B 标准 误差 试用版 TSig. (常量) -.007.000- 15.247 .000 1 事故持续时 间 X3 .614.017.98735.164.000 26 (常量) -.006.001-9.471.000 事故持续时 间 X3 1.057.2171.7014.873.000 2 上游车流量 X2 -.037.018-.716-2.051.049 a. 因变量: 排队长度 L 表 11 4.3.2.4结果分析: 1) 从“模型汇总”中可以看出,有两个模型,(模型 I 和模型 II) 从拟合优度来看,模型 II 的拟合优度明显比模型 I 要好一些, 2 R 因为.)987. 0989. 0( 2) 根据后面的“统计量”的概率值 0.00,由于,随着F01 . 0 00 . 0 “自变量”的引入,其显著性概率值均远小于 0.01,所以可以显著 地拒绝总体回归系数为 0 的原假设,通过 ANOVA 方差分析表可以看 出“排队长度”与“上游车流量”和“事故持续时间”之间存在着 线性关系,至于线性关系的强弱,需要进一步进行分析。 4.3.3道路阻塞时车辆排队长度计算模型 道路一旦发生交通事故就会阻塞部分车道甚至完全切断交通, 此时车辆停车或排队向上游迅速延伸,甚至会使茹干岔口也严重堵

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 其他


经营许可证编号:宁ICP备18001539号-1