王春娥，周 磊,王 焱，王世櫸

(1.鹽城工學院 材料工程學院,江蘇 鹽城 224051; 2.鹽城工學院 電氣工程學院,江蘇 鹽城 224051)

城市交叉口混合交通流到達模型分析

王春娥1，周 磊2,王 焱1，王世櫸1

(1.鹽城工學院 材料工程學院,江蘇 鹽城 224051; 2.鹽城工學院 電氣工程學院,江蘇 鹽城 224051)

以城市交叉口機動車、電動車、行人為對象，研究混合交通流的到達模型。通過調查獲得3種交通流每10 s的到達數(shù)據，運用數(shù)理方法對其到達特性進行分析。結果表明，機動車的到達特性不一致,電動車、行人的到達特性都符合負二項分布。最后確定3種交通流的到達模型和單位時間內到達交叉口的概率。結果表明，單位時間內交通流到達數(shù)越少，概率越大。

交通工程；混合交通流；到達特性；到達模型；到達概率

混合交通流是指機動車、電動車、自行車、行人等交通流在同一道路空間內行駛。在城市交叉口，混合交通流相互交叉，導致交通秩序混亂，交通擁堵與事故頻發(fā)，通行能力下降等不利影響。

目前對交通流到達模型的研究主要集中于機動車，且相關理論也非常成熟[1-2]。國外對自行車的到達特性進行了研究，認為在自行車流量不大時，泊松分布能較好地描述一定時間間隔內自行車到達量的分布規(guī)律[3-4]。國內的彭銳博士對上海4個路口的自行車到達情況進行了分析，認為在流量為2 760～3 720輛/當量小時的情況下，自行車1 min到達量大部分符合負二項分布[5]；錢大琳對2個交叉口的自行車流在不同流量時的到達特性進行研究，得出自行車流量每小時在232輛以下時，泊松分布比較適用于描述自行車到達量的統(tǒng)計分布;而當自行車流量很大時(如800輛/h以上)，負二項分布比較適合描述自行車到達量的統(tǒng)計分布[6]。由于目前城市道路中自行車數(shù)量很少，因此本文只對交叉口機動車、電動車、行人的到達特性進行分析。

1 混合交通流的到達分布模型

概率統(tǒng)計方法是最早應用于交通流理論的數(shù)學方法，它為解決交通中具有隨機性現(xiàn)象的問題提供了有效手段。

1.1 到達模型的選擇

到達規(guī)律是交通流運行的基本規(guī)律之一。車輛的到達在某些程度上具有隨機性，所得的數(shù)列可以用離散型分布描述。主要模型有以下3種[1-2]。

1.1.1 泊松分布

(1)基本公式

(1)

式中：P(k)為在計數(shù)間隔t內到達k輛車的概率；λ為單位時間內的平均到達率；t為每個計數(shù)間隔持續(xù)的時間；e為自然對數(shù)的底，取值為2.718 28。

(2)適用條件

車流密度不大，車輛間相互影響微弱，其他外界干擾因素基本上不存在，即車流是隨機的，此時應用泊松分布能較好的擬合觀測數(shù)據。因此當觀測數(shù)據m/S2接近于1時，泊松分布適用。

若令m=λt為在計數(shù)間隔t內平均到達的車輛，參數(shù)m、S2可按下式計算。

(2)

式中：g為觀測數(shù)據分組數(shù)；fj為計算間隔t內到達kj輛車的頻數(shù)；kj為計數(shù)間隔t內到達數(shù)；N為觀測的總計間隔數(shù)。

1.1.2 二項分布

(1)基本公式

(3)

(4)

(2)適用條件

車流比較擁擠、自由行駛機會不多時用二項分布擬合較好。由于二項分布的均值大于方差，所以當觀測數(shù)據m/S2>1時，二項分布適用。

1.1.3 負二項分布

(1)基本公式

(5)

式中p,β為負二項分布參數(shù)；0

(6)

(2)適用條件

當?shù)竭_的車流波動性很大時，所得數(shù)據可能有較大的方差。當觀測數(shù)據m/S2<1時，應使用負二項分布擬合觀測數(shù)據。

1.2 到達模型的驗證—χ2檢驗

進行χ2檢驗的步驟為：

1.2.1 建立原假設H0

原假設H0是：隨機變量X服從某完全給定的概率分布。

1.2.2 選擇適宜的統(tǒng)計量

把數(shù)據分成g組，fj表示落入第j段的個數(shù)(j=1，2，…，g)，fj稱作頻數(shù)，fj/n則稱頻率。假設頻率分布在第j段區(qū)間上的概率記為pj，F(xiàn)j=npj稱為理論頻數(shù)。χ2可按下式計算:

(7)

1.2.3 確定統(tǒng)計量的臨界值

表1 常用離散型分布的DFTable 1 DF of discrete distribution

1.2.4 判定統(tǒng)計檢驗結果

χ2分布是一種漸近分布，為了正確使用χ2檢驗法，在應用過程中應注意：

(1)總頻數(shù)n應較大，即樣本容量應較大。

(2)分組應連續(xù)，分組數(shù)g應較大，通常要求g不小于5。

(3)各組內的理論頻數(shù)Fj=npj不少于5。如果某組內的理論頻數(shù)Fj<5，則應將相鄰若干組合并，直至合并后的理論頻數(shù)大于5為止，但此時應以合并后的實有組數(shù)作為計算χ2自由度的g值。

(4)在交通工程中，通常取α=0.05。

2 實例驗證

2.1 調查方案及數(shù)據處理

本文調查對象為鹽城市建軍路-文港路交叉口。建軍路是東西主干道，西邊是鹽城老城區(qū)，人口密集、商業(yè)繁華，東邊是亭湖新區(qū)，有大量的工廠；文港路是南北干道，周圍有學校、小區(qū)等人流集中地，附近有火車站、汽車站等交通吸引點,因此該交叉口是進出鹽城老城區(qū)的樞紐，并且大型客貨車比重很大，交通流比較復雜。

調查時段選取工作日高峰時段的11:00-12:00。因為在高峰時段，交通流更復雜，交通秩序更混亂。調查采用人工計數(shù)法，分東、西、南、北4個進口對機動車、電動車、行人每10 s的到達情況進行統(tǒng)計，其中機動車分大型、中型、小型3種車型分別記錄，然后換算為標準小汽車。

根據上面的分析過程，對該交叉口混合車流的到達特性進行分析，得到表2。

由表2可知，在該時段機動車的到達特性不一致；其中，東進口交通量非常大，使得數(shù)據的均值大于方差，到達特性符合二項分布；西進口為從市區(qū)駛出的車流，車流波動性大，因此數(shù)據的方差較大，車流符合負二項分布；南、北進口交通量不大，車流的到達是隨機的，車流到達符合泊松分布。此外，機動車的到達特性還與交叉口的渠化情況有關。當交通量相同時，進口車道數(shù)越多，車流之間的干擾相對較少，機動車越趨向于泊松分布。因此，當交通量少、交叉口車道數(shù)多時，機動車趨向于符合泊松分布；交通量多、交叉口車道數(shù)少時，機動車趨向于符合負二項分布或二項分布。

表2 交叉口混合車流的到達特性分析表Table 2 The arrival characteristic of mixed-traffic flow in intersection

由于車型小、機動靈活、信號控制等因素，電動車在交叉口的速度差別較大，造成數(shù)據的方差遠大于均值,故該交叉口電動車的到達特性都符合負二項分布。行人的到達也都符合負二項分布，原因是行人數(shù)量比較小，且到達比較分散，導致m/S2<1。

2.2 到達模型的確定及應用

根據表2的數(shù)據可確定出交叉口機動車、電動車和行人的到達模型。根據概率分布函數(shù)，可預測出3種交通流在單位時間內的到達概率，分別如表3～表5所示。表3中，東進口一行的數(shù)據表示根據概率分布函數(shù)計算出在單位時間3.07 s內機動車分別到達1～8輛的概率。

由表3可知，因為機動車的到達特性不一致，由此得出的到達模型差別較大。在單位時間內，東進口到達機動車數(shù)概率較大的為1～4輛，超過8輛的概率為0；其他進口到達機動車數(shù)概率較大的為1～3輛。

由表4、表5可知，由于電動車、行人的到達特性一致，由此得出的到達模型和概率值差別不大。在單位時間內，到達電動車數(shù)概率較大的為1～3輛,行人到達數(shù)概率較大的為1～2人。

表3 機動車到達模型及概率表Table 3 The arrival model and probability of motor vehicle

表4 電動車到達模型及概率表Table 4 The arrival model and probability of electric bicycle

表5 行人到達模型及概率表Table 5 The arrival model and probability of pedestrian

3 結論

通過調查和數(shù)據分析，得到交叉口機動車、電動車、行人的到達特性，然后確定其到達模型,主要結論為：

(1)受交叉口渠化情況、交通量大小、到達隨機性等因素的影響，交叉口各個進口機動車的到達特性不完全一致。當交通量少、交叉口車道數(shù)多時，機動車之間的干擾較少，車輛到達趨向于符合泊松分布；車流的到達波動性較大時，趨向于符合負二項分布；交通量多、交叉口車道數(shù)少時，趨向于符合二項分布。

(2)當交叉口非機動車道、人行道寬度一定時，電動車、行人的到達特性比較一致。

(3)利用數(shù)理方法和調查的數(shù)據，分別確定3種交通流在交叉口各個進口方向的分布函數(shù)，并預測了3種交通流在單位時間內的到達概率。結果表明，單位時間內到達數(shù)越少，概率越大。

由于數(shù)據有限，本文得出的結論有一定的局限性，要得到成熟的模型需要對大量的交叉口進行廣泛的數(shù)據調研，這將是以后的工作內容。

[1] 徐吉謙,陳學武.交通工程總論[M].北京:人民交通出版社,2008.

[2] 王煒,過秀成.交通工程學[M].南京:東南大學出版社,2009.

[3] Faghri,Egyhaziova. Development of a computer simulation Model of Mixed Motor Vehicle and Bicycle Traffic on Urban Road Network[J].Transportation Research Record, 1999, 1674: 86-93.

[4] Southwest Region University Transportation Center. Behavioral Models and Characteristics of Bicycle-Automobile Mixed-Traffic:Planning and Engineering Implications, SWUTC/98/60056-1[R]. Texas:Center for Transportation Research, 1998.

[5] 彭銳.自行車交通流理論[D].上海：同濟大學,1993.

[6] 錢大琳,黃迪,趙春龍,等.中國特大城市自行車到達的統(tǒng)計分布研究[J].數(shù)學的實踐與認識,2005,35(9):67-70.

(責任編輯：李華云)

Analysis of Arrival Model of Mixed-Traffic Flow in Urban Intersection

WANG Chune1, ZHOU Lei2, WANG Yan1, WANG Shiju1

1.School of Material Engineering, Yancheng Institute of Technology, Yancheng Jiangsu 224051,China;2.School of Electrical Engineering, Yancheng Institute of Technology, Yancheng Jiangsu 224051, China

In order to study the arrival model of mixed-traffic flow in urban intersection，the paper put motor vehicles, electric bicycles and pedestrians as the research object. Firstly the arrival data in every 10 s could be got through the survey. Then the arrival characteristics of motor vehicle, electric bicycle and pedestrians were analyzed using the mathematical method. The results show that the arrival characteristics of motor vehicle in each intersection entrance are inconformity; the arrival characteristics of electric bicycle and pedestrians all conform to negative binomial distribution. Finally, the arrival models of motor vehicles, electric bicycles and pedestrians were determined and the smaller arrival probability in a unit time were predicted. The results show that the arrival number in unit time, the greater probability.

traffic engineering; mixed-traffic flow; arrival characteristic; arrival model; arrival probability

2014-02-24

王春娥(1983-)，女，山東濰坊人，講師,碩士,主要研究方向為交通設施設置、交通流理論及交通控制理論與方法。

U491.4

A

1671-5322(2014)03-0075-04