发布时间 : 星期四 文章车道被占用对城市道路通行能力的影响更新完毕开始阅读216084ca1a37f111f1855b7a
仿真1 次序 车队 到达 上游 路口420 所需时间（秒） 仿真11 次序 车队 到达 上游 路口570 所需时间（秒）
2 420 表7 汽车排队系统的仿真结果表 3 4 5 6 7 390 390 330 450 570 8 450 9 510 10 390 12 690 13 570 14 330 15 450 16 420 17 300 18 600 19 600 20 510 对表7中的车队到达上游路口所需时间进行分析，发现均值为468秒，方差为105秒，即车队到达上游路口所需时间为468?105秒。
由上述仿真结果可见，从事故发生开始，经过大约468秒，即7分钟48秒，车辆排队长度就会到达上游路口。
观看视频1，发现从事故发生开始，经过7分钟48秒，车队并没有排到140米长，直到11分钟时，车队长度才达到140米。经过比对分析，在视频中由于有信号灯的控制，上游车流量呈现周期性增加和减少的趋势；而在仿真系统中，则没有信号灯的控制，将上游车辆的到来视为Poisson流。通过这个差异我们发现，在城市道路上发生事故的时候，上游路口信号灯的控制使得车辆排队现象得到了一定程度的缓解。
六、模型的评价
6.1 模型的优点
1）在描述视频一的实际通行能力变化的模型中以30秒为间隔周期，这样能够与红绿灯的相位变化吻合，更具有实际意义。 2）在分析不同车道发生事故对实际通行能力的时候，基于两个视频的观测次数不同及总体方差未知，先对数据进行F检验，然后在采用独立样本T检验。使得对影响差异的分析更加具有可信度。
3）在建立事故后的车辆排队长度与事故持续时间、事故上游车流量、实际通行能力之间的关系的模型，通过机理分析法建立关于排队车当量的差分模型，并以此为中间量，与排队长度建立一元线性回归模型，这样购建了4者之间的桥梁，
是模型更加精确。 6.2 模型的缺点
在统计数据的时候，很多数据都是通过人工观察而得，由于视差不同，会有一定的误差，而且根据误差的传递性，导致最后的结果误差可能偏大。对于每个模型只统计了每个时段末的数据，导致了样本容量较小，这样不能完全反应总体的性质。
七、参考文献
[1]城市道路工程设计规范[J],中华人民共和国行业标准,2012,CJJ37-2012. [2]寇学智,道路通行能力制约因素分析[J], 解放军汽车管理学院,1999,57-60.
[3]朱筱琪，张浩宇，张杨柳，朱家明，探究车道被占用对城市道路通行能力的影响[J],科技和产业，2014，14（04）：127-130。
附件清单
附件1：视频1所述的情况下事故所处横断面实际通行能力的变化过程图的绘制程序
附件2：两个视频中事故所处横断面实际通行能力的变化过程对比图的绘制程序 附件3: 车辆排队长度与车辆排队当量关系的拟合程序 附件4：车辆排队仿真系统的仿真程序
附件1：视频1所述的情况下事故所处横断面实际通行能力的变化过程图的绘制程序
a1=[9,11,11,10,8,7,7,10,9,6,13,13,8,10,9,12,10,10,10,11,8,8,10,8,8]; a1=a1.*120;
plot([0:30:720],a1,'-*');
axis([0,750,0,max(a1)+100]); legend('测量点');
xlabel('距事故开始的秒数(s)'); ylabel('道路交通能力(pcu/h)');
title('视频1所述的情况下事故所处横断面实际通行能力的变化过程图');
附件2：两个视频中事故所处横断面实际通行能力的变化过程对比图的绘制程序
a2=[9,11,11,10,8,7,7,10,9,6,13,13,8,10,9,12,10,10,10,11,8,8,10,8,8]; a2=a2.*120;
b2=[13,14,12,8,12,13,11,12,12,8,11,10,10,10,13,12,13,13,11,6,12,9,12,10,10,8,3,14,11,9,10,13,12,10,10,10,11,10,11,12,10,12,12,11,11,12,11,10,6,12,11,11,9,10,12,10,12]; b2=b2';
b2=b2.*120;
plot([0:30:24*30],a2,'-*',[0:30:56*30],b2,'-o'); axis([0,57*30,0,max(max(a2),max(b2))+100]);
legend('视频1测量点','视频2测量点','location','northeastoutside'); xlabel('距事故开始的秒数(s)'); ylabel('道路交通能力(pcu/h)');
title('两种情况下事故所处横断面实际通行能力的变化过程图');
附件3: 车辆排队长度与车辆排队当量关系的拟合程序
Come=[16,1,7,6,7,14,8,5,8,16,10,9,9,12,10,10,8,20,16,4,14,8,16,1]; % 不同时间段内入队的汽车当量
Go=[10,11,9,8,7,7,10,9,6,13,13,8,10,15,8,10,10,10,11,8,8,10,8,8]; % 不同时间段内离开的汽车当量 t=[0:30:720];
Nlong=[8,6,4,4,1,5,7,4,3,8,8,9,10,9,7,4,9,5,13,17,11,13,13,17,14]; %不同时刻的队列长度
NLine=[13,13,7,5,1,1,8,5,3,5,12,10,10,10,8,10,16,29,21,27,20,26,24,32,25]; % 不同时刻队列内的汽车当量
long=Nlong.*6+(Nlong-1).*1.5; a=polyfit(NLine,long,1); y=polyval(a,NLine); plot(NLine,long,'b*'); hold on,
plot(NLine,y,'ro'); a
ylabel('车辆排队长度(m)'); xlabel('车辆排队当量(pcu)');
title('车辆排队长度与车辆排队当量关系的线性拟合效果图');
legend('原数据','拟合数据','location','northeastoutside');
附件4：车辆排队仿真系统的仿真程序
% 附件3基础上运行此程序 model3;
carcomedata=round(poissrnd(1500/120,1,100000)); % 生成足够长的随机数列 cargodata=round(normrnd(9.52,2.08,1,100000)); carcount=0; clock=0;
linemax=140; linelong=0;
while linelong carcome=carcomedata(round(rand*100000)); cargo=cargodata(round(rand*100000)); carcount=carcount+carcome-cargo; linelong=polyval(a,carcount); if linelong<0 linelong=0; end end