车道被占用对城市道路通行能力的影响doc.docx

《车道被占用对城市道路通行能力的影响doc.docx》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doc.docx（28页珍藏版）》请在三一文库上搜索。

1、车道被占用对城市道路通行能力的影响摘要对于问题一,首先确定通行能力的含义,统计视频1发生事故之前,小汽车、大客车、电瓶车的车流量,确定以小汽车作为标准车。建立道路基本通行能力模型, 修正基本通行能力中的影响因素,得到实际交通能力模型,运用matlab软件做出实际通行能力变化关系图,并对其变化过程进行分析。对于问题二,统计出视频2 的车流量,结合问题一的模型,运用excel软件作出视频2中实际通行能力变化关系图,与问题一中所得出的曲线图进行比较,得出占用车道 1、2 时的实际通行能力比占用车道 2、3时的好。 对于问题三，建立交通波模型,通过对实际通行能力、事故持续时间、路段上游流量进行相关分析

2、,然后联立交通波模型公式，通过matlab软件进行拟合，得到相关函数关系式；接着作出事故持续时间与车辆排队长度的关系图 ,直观反映出事故持续时间与车辆排队长度的关系。最后,利用视频1中5段拥挤情况的真实数据,与模型得到的理论车辆排队长度进行相对误差检验,结果得到相对误差均小于7,模型通过检验。 对于问题四，在交通信号灯的影响下，通过层层递进的优化求解模型，同时结合问题三的交通波模型，对拥挤路段的车辆排队增长速度，各车道车辆通过概率以及排队长度进行计算，得到 1、2、3 车道排队车辆到上游的长度为140 m时，其所需时间依次为7.2min,9.6min,10.2min。 最后,本文还对问题中所得

3、的结果进行分析与检验,并对所应用的模型进行评价与推广,很好的解决了车道被占用对城市交通的影响问题。关键词：通行能力模型 因素修正 交通波模型一、问题重述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。如处理不当，甚至出现区域性拥堵。车道被占用的情况种类繁多、复杂，正确估算车道被占用对城市道路通行能力的影响程度，将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

4、湾式公交车站等提供理论依据。视频1和视频2中的两个交通事故处于同一路段的同一横断面，且完全占用两条车道。请研究以下问题：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。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中的交通事故所处横断面距离上游路口变为140米，路段下游方向需求不变，路段上游车流量为1500pcu/h,事故发生时车辆初始排队长度为零

5、，且事故持续不撤离。请估算，从事故发生开始，经过多长时间，车辆排队长度将到达上游路口。注：只考虑四轮及以上机动车、电瓶车的交通流量，且换算成标准车当量数。二、数据处理（1）视频1数据记录视频1信息记录表事件时间或时间段视频1开始时刻16:38:39事故发生时刻16:42:32事故发生后有车到达时刻16:43:12事故发生后开始堵车时间16:46:27事故撤销时刻17:00:07视频1结束时刻17:03:50频跳跃时间段116:49:38-16:50:0426s216:56:05-16:57:54119s316:58:18-16:59:0749s417:00:07-17:00:2316s517:

6、02:09-17:03:2980s （2）数据统计：以60 秒为周期。三、模型假设1、 信号灯转为绿灯时，车发动时间忽略不计。2、 只考虑红绿灯对车辆的影响。3、 上游路口到下游路口为纵向道路段。4、 假设一定时间内不同车型的速度和性能是一致的。5、 假设视频1与视频2发生在不同时段，不影响该道路的实际流量。四、符号说明CB基本（理论）通行能力N单向车行道的车道数车道宽度和侧向净宽对通行能力的修正系数大型车对通行能力的修正系数驾驶员条件对通行能力的修正系数，一般在0.91之间五、模型建立与求解5.1问题一的模型建立与求解5.1.1问题一分析 通行能力指的是在一定的道路和交通条件下，道路上某一路

7、段单位时间内通过某一断面的最大车辆数。在本题中，它是指道路的横断面处，单位时间内通过的最大的车辆数。一般情况下，车辆多指小汽车，当有其它车辆混入时，均采用等效通行能力的当量小客车单位。道路通行能力同河流的过水能力一样，是道路在一定条件下所能通过的车辆的极限数值，条件不同，要求不同，其通行能力也就不同。对问题1，首先设定事故发生期间,在外部因素不变的情况下，2、3车道被占用，即缩短了道路宽度，变为原来的，使路段交通流的行车延误增加,路阻增加，进而改变了道路通行能力,使道路的通行能力降低。5.1.2标准车的确定通过对视频1的分析,统计了交通事故发生前该段道路单行道的车流信息（只对小汽车、大客车、电

8、瓶车三种车辆类型进行考虑）见“表一：道路车流信息表”。表一：道路车流信息表车辆类型小汽车大客车电瓶车数量(辆)48520流量(辆/h)0.22860.02380.0952注：流量是通过流量公式：流量=车辆数/时间。观察表二得出结论：在相同时间内,小汽车、大客车、电瓶车的流量分别为：0.2286辆/h 、0.0238辆/h 、0.0952辆/h ,其中小汽车的流量远远大于大客车、电瓶车的流量,又有依据“估计通行能力的车辆多指小汽车，当有其它车辆混入时，均采用等效通行能力的当量小客车单位”，故在本题估计道路通行能力以小汽车作为标准车。【1】5.1.3模型建立5.1.3.1 道路基本通行能力道路基本

9、通行能力是指在理想的道路、交通、控制和环境条件下，公路设施在四级服务水平时所能通过的最大小时交通量，即理论上所能通行的最大小时交通量。建立如下基本通行能力模型：(辆/h)：平均车头时距(s),CB ：理想状态下的基本通行能力。在事故发生前,有单向行驶的三个车道,各车道车辆行驶互不干扰。观察视频1，在车流量相对均衡的情况下,要得到基本交通能力,需找出平均车头时距，根据如下示意图得出平均车头时距。，其中，在视频1选取时间段为0:133:44的视频,以事故车辆为标准线,在车流量相对均衡的情况下，测得 7 组的车头时距,记录并计算得到平均车头时距。统计结果见“表二：车头时距的统计表”。【2】表二：车头

10、时距的统计表组 1组 2组 3组 4组 5组 6组 710:191:061:502:052:202:563:1820:211:081:532:062:213:003:2130:221:10-2:092:243:03-40:24-2:10-3:07-5-2:12-各列平均1.67231.7523.673总平均2.445.1.3.2道路实际通行能力实际通行能力是以理论通行能力为基础，考虑到实际的地形、道路和交通状况，确定其修正系数，再以此修正系数乘以前述的理论通行能力，即得实际道路、交通在一定环境条件下的可能通行能力,即实际通行能力。由于交通事故的发生,阻碍了2、3车道的顺畅通行,使得通行的车道变

11、为原来的,故要对基本通行能力模型进行修正,得到实际情况下的实际通行能力模型。所以,需要修正的因素见“表 三：道路修正因素”。修正符号影响因素CB基本（理论）通行能力N单向车行道的车道数车道宽度和侧向净宽对通行能力的修正系数大型车对通行能力的修正系数驾驶员条件对通行能力的修正系数，一般在0.91之间实际道路通行能力为在以上基本通行能力的理想状态下,车道的宽度不小于 3.75m ,而此处车道宽度均为 3.25m ,由“表四：车道宽度对通行能力的折算系数”对原基本通行能力进行车道宽度修正。表四：车道宽度对通行能力的折算系数车道宽度(m)通行能力的折算系数3、51、03、250、943、00、852、

12、750、77由表中数据可以得出 =0.94车辆类型都以小汽车为标准车进行换算,得到各类车的换算系数见“表五：当量小汽车换算系数”表五：当量小汽车换算系数车量类型换算系数小汽车1.0大客车1.5电瓶车0.4问题中涉及两种车辆类型的换算,分别是大客车和电瓶车,车型修正系数设为， ,换算系数设为 ，,车型所占比例设为，则存在如下关系：由此，可求得正常通行下的实际通行能力；在发生交通事故至撤离期间,根据统计可求出不同时间时段的道路实际通行能力。5.1.4模型求解由视频截取分析可得平均车头时距表,得 ，求出道路的基本通行能力为：CB=1495.4，但是在实际通行能力中,事故发生前与事故发生后存在不同的通

13、行能力,并随时间变化。选取每 60s单位时间的流通量进行统计,对一些因素进行修正后得到实际的通行能力为【3】联立以上公式计算出车型修正系数和道路通行能力，见“表六：各时间修正系数与道路通行能力”：表六：各时间修正系数与道路通行能力时间段单位时间流量道路通行能力10.370.921.161064.5720.40.981.141177.4230.311.11878.3740.370.981.161095.9250.311.3958.7660.370.981.161095.9270.3711.121089.1280.470.981.211427.190.3211.03902.07100.370.98

14、1.121077.71110.30.951810.24120.320.951.03879.87130.370.981.121077.71140.280.971.27869.88150.350.951.09994.29160.320.971.1922.68170.330.981.1949.45 “表六：各时间修正系数与道路通行能力”表示不同的时间段道路的通行能力，为清楚分析道路的通行能力，利用matlab软件（代码见附录）得出“图六：各时间修正系数与道路通行能力”图六：各时间修正系数与道路通行能力“图六：各时间修正系数与道路通行能力”解释： 第一个波峰由于事故刚发生不久，还没有造成堵塞作用，通过

15、横断面的车辆多以小汽车为主，大客车的数目较少，并且通过横断面的速度较快，因此这一时刻的实际通行能力较大。 第二个波峰由于最外道车辆之间的衔接效果比较好，其它车道没有较好的机会进入最外车道，因此在通过横断面时车流量较大、通行时间较少，这时该时刻可以看作是纯粹的单车道通行能力的计算，因此此时的实际通行能力最大。 第一个波谷由于该时段出现大客车，在最外道行驶的大客车速度较慢，内车道的汽车变道次数较多，影响外道大客车的行驶速度，加之大客车的体形较大，启动加速时间较长，在一定时间上阻滞了横断面的实际通行能力，因此这一时刻的实际通行能力较小。 从总体上看，在事故发生的这一短时间内，车流量的变化忽高忽低，不

16、同于正常时的规律性，当车流量低时是因为车道被占用所能造成的路阻，受阻结束后，通行量增加，车流量上升，由于车流量的增加使得路阻相对增加，产生拥挤那经过的车流量减少。在事故车辆撤离之前会出现反复的降低上升现象。因此事故发生到车辆撤离期间的通行能力的变化规律为:下降一段时间后回升，可能超过正常能力值，但超过只是偶尔；上升后又有所下降，这种现象持续循环。5.2问题二5.2.1问题二分析观察视频 1 与视频 2，它们之间存在的最大差异为交通事故发生的车道不同,设视频1中交通事故发生在2、3道,视频2交通事故发生在1、2道,事故的发生造成两个车道受阻,从而造成交通拥塞现象：视频1中只能通过1道,视频2则1

17、、2车道车辆大部分被阻断。通过对视频 2在事故发生后,对事故横断面的车流量的观测,结合问题一中的实际通行能力模型,得到通行能力在事故发生至撤离期间的变化过程图。从而比较分析两种情况下的通行能力大小、持续时间以及变化趋势的差异。5.2.2 问题的求解：观察视频 2 统计数据,由于视频1存在视频跳跃现象，对照视频1、2，各选取视频1、2前13组统计数据进行数据比较，数据见“表七：视频1、2中道路的通行能力”。结合问题一中的模型,得到实际通行能力,利用 matlab 软件(代码见附录)作出“图七：通行能力的变化图”表七：视频1、2中道路的通行能力时间段单位时间流量通行能力视频1视频210.370.9

18、21.161064.571035.920.40.981.141177.42137930.311.11878.371293.840.370.981.161095.921154.150.311.3958.76142560.370.981.161095.921015.170.3711.121089.121480.880.470.981.211427.11653.890.3211.03902.071023.9100.370.981.121077.71962.31110.30.951810.241404120.320.951.03879.871043.3130.370.981.121077.711433

19、.2 “表七：视频1、2中道路的通行能力”表示不同时间段，视频1、2中的道路通行能力数据。图七：通行能力的变化图观察图7，,视频2中的通行能力基本高于1300pcu/h，从每一波峰到波谷的起伏时间来看,通行能力的变化频率较快,这说明车辆从堵塞到撤离的时间极短,这也是通行能力较高的原因之一,整体处于较为平稳的通行状态。 视频1中的通行能力多处于1300pcu/h以下,明显低于视频2。并且车辆从堵塞到撤离的时间较长、较缓慢,通行效率低,通行能力的整体水平极不平稳。对于车道占用的不同影响到道路的通行能力，由于左侧车道的车辆流通量较大，影响较为明显，右侧的车流量较小，对基本的通行能力影响相对较小。综上

20、,视频1的车辆通行能力水平低于视频2的通行能力水平。5.3问题三5.3.1问题三分析 基于上述交通瓶颈事件对交通的影响情况,建立相关交通波模型,用于计算交通拥堵的扩散。找出事故影响路段车辆排队长度与事故横断面的实际通行能力、事故持续时间、路段上游车流量间的关系,其中,实际通行能力在第一问中已给出公式,而事故持续的时间等于车辆拥挤时间和车辆消散时间的总和；路段上游的车流量要受小区路口的来车和上游交叉口红绿灯的信号变化控制。但上线与红绿灯相距较远距离 120m，影响程度过小，作忽略影响统计,准确性较高。5.3.2问题三模型建立与求解5.3.2.1模型建立（1）假设道路事故处的横断面为一波阵面S，将

21、道路分为上游、下游,设上、下游各参量符号见“表八：符号表示。表八：符号表示下游上游平均密度平均速度波阵面的交通波传播速度，方向沿上游方向相对于波阵面的速度车辆流量 根据流体守恒原则,单位时间内下游路段穿过交通波阵面的车辆数等于上游路段穿过交通波阵面的车辆数,因此有：上、下游车辆流量、交通密度、速度存在如下关系：，其中则产生的交通波波速为（2） 设交通拥挤发生前对应的流量、密度分别为，交通拥挤阶段对应的流量、密度分别为， 则由波速公式可知,集结波的波速为排队率为单位时间内乘凉的增加数，由车辆守恒公式（3） 交通拥挤恢复阶段前后对应的流量、密度分别为和，则消散波的波速 为 从拥挤开始形成直到拥挤完

22、全消除所需的时间定义为拥挤的总影响时间,即为事故持续时间,以 表示,又设拥挤持续时间为 ,拥挤消散时间为, 根据交通流车辆的车辆守恒原理：因此,拥挤总影响时间为：拥挤持续时间 和拥挤集结波速,在交通拥挤中,集结波速度即为车辆的堆积速度,此时开始形成车辆的滞后排队拥挤现象,得出排队长度最大值为：则的关系为 将以上所涉及到的数据关系作换算,最终得到关于车辆排队长度的关系式。5.3.2.2模型求解 横断面实际通行能力QX与密切相关,，其中，则 不难发现，事故发生拥挤前后道路的流量和密度存在一定的关系。 统计视频1中事故发生前后的流量和车辆密度的数据。利用Matlab软件(代码见附)进行曲线二次拟合,

23、得到流量与车辆密度的关系图，见“图八：下游的流量-密度曲线”、“图九：上游的流量-密度曲线“并求得流量与车辆密度的关系表达式。图八：下游的流量-密度曲线下游流量与车辆密度的关系表达式为：图九：上游的流量-密度曲线上游流量与车辆密度的关系表达式为： 在整个事故发生的过程中,路段上游的车流量始终不受下游交通事故的影响,始终按照其上游的约束因素而变化,即 ,且与车辆密度存在一定关系,结合道路恢复中与 的变化规律,利用Matlab软件(代码见附录)进行三次样条插值拟合得“图十： 与流量关系图”：图十： 与流量关系图 结合上、下游流量与车辆密度的关系表达式，利用Matlab软件(代码见附录)得到事故持续

24、时间与车辆队长的关系图，见“图十一：事故持续时间与车辆队长”图十一：事故持续时间与车辆队长 观察图像，可以看出事故持续时间与车辆排队长成正相关，可视为在任意事故持续时间时可求出相应车辆排队长度。5.3.2.3模型检验 在建立的交通波模型下,得到关于车辆排队关系式,并对其进行检验。选取视频 1 中的5段的拥挤情况,在这5 段时间内,道路交通情况都经历从最开始拥挤到完全消散的过程。利用上述关系式,在已知事故断面通行能力、事故持续时间、路段上游流量的情况下,求解所达到的最长车辆排队长度,与实际所达到的车队长度进行误差分析,判断该模型在解决此车辆排队关系问题上的好坏。将视频 1 中的 5 个时间段的拥

25、堵情况,分别记为ABCDE对影响车辆排队的各因素及模型检验具体数据列表如下：情况断面实际通行能力事故持续时间路段上游车流量真实队长模型队长相对误差A1064.64813325548.986.02B1095.94513685045.924.08C922.75411885055.11-5.11D879.95910806560.24.8E1077.76314406064.29-4.29 表中相对误差均小于 7,所以,此模型通过检验。5.4问题四5.4.1问题四分析 （1）上游的流量主要为第一相位的车流产生。由于红绿灯规律性的变化，每隔一段时间横向车流量间歇性的变化一次，使1500pcu/h的车流量时

26、间分布不均衡。结合已知的交通信号灯公式：相位时间=绿灯时间+绿闪时间（ 3 s ）+黄灯时间,可得绿灯时间24s ,红灯时间30s ,即交通信号灯在一个周期内的时间分布。 （2）各车道的流量比例分别为：21%、44%、35%,（见“图十二：各车道比例”）。将上游的流量按此比例分配给一、二、三车道,则视各车道具有不同的车辆流量。在拥挤过程中,各车辆经波阵面通过的情况也不同。在一段时间内,各车道分别会形成不同的车辆排队长度。在事故持续不撤离,从而确定其中的各条车道分别到达上游路口时间。图十二：各车道比例 （3）车辆在距上游140 m处,下游方向需求不变,在上游来的车辆会在相应位置发生拥挤,在交通波

27、的原理下,会在一定时间形成拥挤车队,在前30s中车道发生拥挤,在后来的没有车流量的30s 里,部分车辆无法正常通行,形成的车队又减少了在第二个周期的前30s 的车辆的行使路程,从而影响车辆排队长度到达上游的时间。5.4.2模型建立与求解5.4.2.1模型建立 在周期为交通信号灯的一个周期,设整个周期在上游的车辆流量为P ,各车道的车流量分别为，则则各车道的流量分别为， 在到达波阵面时,各车道通过的概率可以由部分数据分析来确定。选取视频1中 5 个交通拥挤时的状况,分别得到在相同单位时间内各车道通过波阵面的车辆,即得到通过平均概率(代码见附录),见“表九：各车道通过交通瓶颈概率表”。表九：各车道

28、通过交通瓶颈概率表车道ABCDE通过平均概率12702403002503000.862603606204205400.63303601802403600.45 设每小时各车道的通过概率分别为，利用交通波模型,得到一般交通波波速为：即为车辆排队长度增长速度,单位为km/ h,其中分别为进入前和通过波阵面的车辆流量,分别为进入前和通过后车流密度。即可得 1、2、3 车道进入前的车辆流量,通过后车辆流量为，则进入时的交通流量为流量比例确定下的得上式为通过概率为各车道通过该波阵面的车辆流量,求得 在对车流密度k 进行计算时,根据问题三中交通密度公式（n为L距离上所行驶的车辆数),n即为各车道上的流通量

29、,则得进入 1、2、3 车道前的交通密度分别为：，通过后交通密度：计算得到： 根据交通密度公式，求得各车道的车辆排队长度增长速度，见“表十：车辆排队长度增长速度”表十：车辆排队长度增长速度车道123增长速度V(km/h)1.130.860.84得则可得各车道排队车辆长度到达上游的时间车道一：车道二：车道三：6、 结果分析与检验 问题一，主要是利用修正模型的修正关系，对单位时间流量进行统计，通过的含义进行了计算，最终得出实际道路通行能力并利用插值绘图得到事故路段的实际通行能力变化图，清楚明了地反应通行能力的变化。 问题二，同样利用问题一的模型，利用excel做出通行能力变化折线图，只是这两次事故

30、发生的车道不同，对两个折线图一比较，很容易看出其变化特征的差异性。 问题三，在检验交通波模型所建立起来的车辆排队长度关系时，找到视频中的实际情况并记录下其实际的排队长度和相关参数，最后用得到的队长度模型值与实际值进行了误差检验，可以发现，相对误差均小于 7，模型通过检验。 问题四，求得的结果为车道 1、2、3 的所到达预计车队长度时的时间分别为7.2min,9.6min,10.2min，由于本问中依据为视频一，事故堵塞的车道为车道 2、3，故符合实际情况。七、模型评价与推广7.1 模型的优点 在问题一中，采用的通行能力模型，对描述理想条件下的道路交通情况具有一定代表性，后建立的求解实际交通能力

31、的修正模型，对一些实际干扰因素进行修正，很好地将理想模型实际化，能解决很多实际问题。 在问题二中，首先根据问题一中实际交通能力模型的表达式，利用三次插值作出变化曲线，利用excel对视频1和视频2中两种情况的实际交通能力作出折线图，从曲线和折线图中，较为方便、明显地看出不同车道占用时交通能力的差异。 在问题三中，利用交通波模型，快捷、准确的得到了车辆排队长度与断面交通力、持续时间、上游车流量的多元函数关系式，同时，这一模型地形象化描述，使问题的解答方法清晰易懂。更使之间的关系一目了然，容易求解任何因素对于排队长度的影响。 在问题四中，采用层层递进，步步优化的求解模型，使求解过程思路清晰，考虑问

32、题的方面也较之完善，更好地解决实际问题。7.2 模型的缺点 问题一中在对理想条件的交通能力模型进行修正时，考虑因素有所欠缺，导致其实际交通能力模型在处理时存在偏差。 问题四中的对时间求解的模型，在对视频中拥挤状况的选取时，存在较大主观性，会导致各车道转到“瓶颈”处并顺利通过的概率统计不够准确。7.3 模型的改进 在问题四中，应结合排队论分析，时间序列预测，从而较为全面地对排队时间进行求解，同样也避免给很多主观因素；并可结合相关概率统计学，考虑实际交通环境下的交通能力,使时间更可靠。7.4 模型的推广 本文中建立的交通能力模型在解决道路交通流、交通疏导方面作用显著，对分析相关流量和可容纳通行等，

33、较为准确。此模型同样可推广到货运行业的运输、城市排水等实际通运问题中。 在修正模型中，考虑多因素对理想条件的影响，利用设定系数或加权进行修正折算，以达到目标要求，此模型在处理多因素、多干扰问题中，对一些无法明确或无法量化，甚至无法达到的条件进行修正，有利于问题的解决，可以推广到股权交易和定价问题中。 最后，建立的解决交通拥挤、堵车排队和消散过程的交通波模型，以其形象简单的方式可被推广于运动传播学领域的大量实际问题中。八、参考文献：【1】贾晓敏, 城市道路通行能力影响因素研究D, 长安大学：22，2009【2】李爱增, 李文权, 路段多车型混合车通行能力J, 东南大学学报, 第37卷第2期：92

34、7, 2007【3】谢陈峰, 高速公路交通事故条件下通行能力及改善措施研究D, 长安大学：19，2010附录一、x=1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17W=1064.57 1177.42 878.37 1095.92 958.76 1095.92 1089.12 1427.10 902.07 1077.71 810.24 879.87 1077.71 869.88 994.29 922.68 949.45;plot(x,W,k);xlabel(时间（min）),ylabel(通行能力（pcu/h）);二、X_M=83.33 141.67 100 5

35、8.33 100 125 66.67 108.33 83.33 83.33 125 116.67 125 108.33 83.33 75;Y_L=1332 972 1260 1080 1080 1368 1260 1692 1512 1368 1008 1440 648 1512 1188 1332;plot(X_M,Y_L,r*)t=58.33:9:148.33;pxdxs=polyfit(X_M,Y_L,2);pxd=poly2str(pxdxs,X_M)pxdx=polyval(pxdxs,t);plot(X_M,Y_L,r*,t,pxdx,-k)xlabel(密度（辆/km）)ylab

36、el(流量（辆/h）)三、程序X_XM=141.67 75.00 66.67 91.67 83.33 100 125 158.33 183.33 208.33 225 241.67 200 166.67 191.67 233.33 175;Y_XL=3600*0.37 0.4 0.3 0.37 0.3 0.37 0.37 0.47 0.32 0.37 0.3 0.32 0.37 0.28 0.35 0.32 0.33;plot(X_XM,Y_XL,r*)x=66.67:10:241.67;pxdxs=polyfit(X_XM,Y_XL,2);pxd=poly2str(pxdxs,X_XM)px

37、dx=polyval(pxdxs,x);plot(X_XM,Y_XL,r*,x,pxdx,-k)xlabel(密度（辆/km）)ylabel(流量（辆/h）) X_L=3600.*0.37 0.40 0.30.0.37 0.30 0.37.0.37 0.47 0.32.0.37 0.30 0.32 0.37.0.28 0.35 0.32 0.33;%60m 处车流量xx=3600.*0.47 0.33 0.25 0.43 0.35 0.45.0.42 0.35 0.43 0.35 0.20 0.23 0.25.0.20 0.18 0.17 0.33; plot(X_L,xx,r*)x=1008

38、:10:1692;pxdxs=polyfit(X_L,xx,2);pxd=poly2str(pxdxs,X_L)pxdx=polyval(pxdxs,x);plot(X_L,xx,r*,x,pxdx,-k)ylabel(C 区流量(辆/h)xlabel(下游流量(辆/h)四、 %求解排队长度ka=83.33 141.67 100 58.33 100 125 66.67.108.33 83.33 83.33 125 116.67 125.108.33 200 83.33 75;%上线密度kb=141.67 75.00 66.67 91.67 83.33.100.00 125.00 158.33

39、183.33 208.33.225.00 241.67 200.00 166.67 191.67.233.33 175.00;%下线密度t=48 37 24 17 36 45 32 37.40 47 75 63 59 63 67 54 24;%事故持续时间qb=-0.02.*kb.2+5.892.*kb+910;%下线流量qa=-0.2093.*ka.2+39.98.*ka-448.2;%上线流量qc=-0.0028.*qa.2+8.263.*qa-4793;%60m 流量right=(qb-qa)/(ka-kb);mid=(qa-qc)/(qb-qc);Lm=right.*mid.*t;plot(t,Lm,k-o);xlabel(事故持续时间(s);ylabel(车辆队长(m); （注：素材和资料部分来自网络，供参考。请预览后才下载，期待你的好评与关注！）