基于统计分析的混合交通间隙模型(英文)

车辆间隙定义为到达路段某特定点相邻车辆的间隔.本文研究了非双车道异质混合交通情形下的车辆间隙模型,此类交通流在诸如印度等一些发展中国家普遍存在.其特征是具有大量'零间隙'的情况,这主要由给定车道宽度下车辆同时到达的情形所致.其另一特征是较大车头时距带来的尾区数据量偏大.然而,一些学者运用轻尾分布对车辆间隙进行建模并得到了满意的结果.原因主要是:(1)尾区数据融入单个面元;(2)分布拟合时卡方检验等方法具有一定的局限性.此外,一些学者还建议对同一范围的交通流数据采用其他一些分布进行拟合,产生了分布选择的分歧.同时,可表征任何分布拟合状况的面元在间隙模型中的作用逐渐减小.因此,本文就以上问题对现有间隙模型的研究进行进一步和标准化的分析.本文还分析了两种具有较好尾模型特性的广义Pareto分布(GP)、广义极值分布(GEV)、其他几种传统分布对550 vph至4 100 vph流量范围内车辆间隙建模,且使用基于区域和基于距离检验的方法进行分布拟合检验.结果表明,无论使用哪种检验方法,广义Pareto分布对于大于1 500 vph流量的间隙数据在整体和尾区均能得到较好的拟合效果.广义极值分布在使用基于区域的检验方法时对于大于1 500 vph流量的间隙数据产生较好的拟合效果.

基于复合分布的混合交通时间间隔模型

非复合分布模型可用于分析交通流量达1 800 vph的车辆时间间隔,但并不适用于更高交通流量的情况.为解决此类问题,提出了一些基于复合分布的模型.但这类模型的参数标定过程复杂,在一定程度上限制了其应用.针对流量介于1 900 vph到4 100 vph的车辆时间间隔,本文分别采用5种复合分布模型进行分析,即指数-极值分布(EEV)、对数正态-极值分布(LEV)、威布尔-极值分布(WEV)、威布尔-对数正态分布(WLN)和指数-对数正态分布(ELN).然后采用两种方法进行拟合优度检验——基于累计函数分布检验(CDF)和双样本(Cramer-von Mises)&K样本(Anderson-Darling)检验.结果表明,在分析车辆时间间隔方面,威布尔-极值分布(WEV)是最佳的复合分布模型,在Cramer-von Mises检验和K样本Anderson-Darling检验中均具有良好的一致性.