车道被占用对城市道路通行能力的影响A题.docx
《车道被占用对城市道路通行能力的影响A题.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A题.docx(27页珍藏版)》请在冰豆网上搜索。
车道被占用对城市道路通行能力的影响A题
2013高教社杯全国大学生数学建模竞赛
承诺书
我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参赛规则》(以下简称为“竞赛章程和参赛规则”,可从全国大学生数学建模竞赛网站下载)。
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。
我们知道,抄袭别人的成果是违反竞赛章程和参赛规则的,如果引用别人的成果或其它公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺,严格遵守竞赛章程和参赛规则,以保证竞赛的公正、公平性。
如有违反竞赛章程和参赛规则的行为,我们将受到严肃处理。
我们授权全国大学生数学建模竞赛组委会,可将我们的论文以任何形式进行公开展示(包括进行网上公示,在书籍、期刊和其它媒体进行正式或非正式发表等)。
我们参赛选择的题号是(从A/B/C/D中选择一项填写):
A
我们的参赛报名号为(如果赛区设置报名号的话):
S30008
所属学校(请填写完整的全名):
洛阳理工学院
参赛队员(打印并签名):
1.
2.
3.
指导教师或指导教师组负责人(打印并签名):
指导教师组
(论文纸质版与电子版中的以上信息必须一致,只是电子版中无需签名。
以上内容请仔细核对,提交后将不再允许做任何修改。
如填写错误,论文可能被取消评奖资格。
)
日期:
2013年9月16日
赛区评阅编号(由赛区组委会评阅前进行编号):
2013高教社杯全国大学生数学建模竞赛
编号专用页
赛区评阅编号(由赛区组委会评阅前进行编号):
赛区评阅记录(可供赛区评阅时使用):
评
阅
人
评
分
备
注
全国统一编号(由赛区组委会送交全国前编号):
全国评阅编号(由全国组委会评阅前进行编号):
车道被占用对城市道路通行能力的影响
摘要
随着城市化水平的提高,由于车道被占用导致的道路通行能力下降从而引起交通拥堵的状况时有发生。
研究车道被占用而引起的路段通行能力下降对于城市管理部门制定相关政策或开展施工项目具有借鉴意义。
问题一中,首先对视频一的信息进行观察提取,得到每个行车周期内通过交通事故横断面的小车数量和大车数量。
用标准当量换算系数将两种车数目一致化得到某时间段的标准当量数。
然后结合题意及相关资料定义出实际交通能力函数,将处理后所得的数据代入实际通行能力函数求出某时间段的实际道路通行能力,最后将所得结果用Excel绘图观察变化。
从图中可观察出,实际通行能力波动幅度由大至小,并逐渐趋于平稳,在
附近波动。
问题二中,采用与问题一相同的处理方法,得到视频2中事故断面处的实际通行能力变化规律:
实际通行能力波动幅度由大至小,逐渐趋于平稳在
附近。
通过与视频1的断面通行能力进行比较,发现视频2的事故断面实际通行能力比视频1的事故断面实际通行能力大。
究其原因,是由于靠近中间绿化带的车道通行能力最大,右侧同向车道通行能力依次有所折减,最右侧车道的通行能力最小。
问题三中,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问题属于多元因变量对单自变量的情况。
首先对视频的信息进行提取,然后对得到的数据进行处理,用Spss建立线性规划模型:
得到事故横断面实际通行能力、事故持续时间、路段上游车流量三个变量对路段车辆排队长度这一因变量的影响关系,然后对得到的模型进行F检验,最后将实际值回代入模型方程再次检验,发现模型对于描述三个自变量对因变量的关系具有较好的表达效果。
问题四中,当交通事故所处横断面距离上游路口变为140米时,此时模型中的实际通行能力等自变量都将发生微小的变化。
因此,我们对模型的求解过程做了相应处理,然后将自变量带入模型进行求解得堵到上游路口的时间大致范围为
。
关键词:
实际通行能力通行能力强度多元线性回归F检验
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湾式公交车站等提供理论依据。
视频1(附件1)和视频2(附件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(附件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(附件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(附件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(附件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,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。
二、模型假设
1、假设不考虑自行车、摩托车与三轮机动车对故所处横断面实际通行能力的影响。
2、假设从交通事故发生至撤离这段时间的长度符合一般交通事故的处理长度。
3、经过观察视频中事故车辆所占车道约为2条,则假设事故车辆所占车道为2条。
4、假设车辆的一半车身经过事故横截面时,则记为已通过该路段。
5、假设视频拍摄时间段内车辆通行情况正常,无特殊性。
三、符号说明
理论道路通行能力
车道宽度和侧向净宽对通行能力的折减系数
是单向车行道的车道数
大型车对通行能力的修正系数
换算系数
单位时间内大型车交通量占总交通量的百分比
单位时间内标准车当量数比率
单位时间内标准车当量数
单位时间内平均标准车当量数
实际道路通行能力
道路的通行能力强度
车道流量比例
车道通行能力折算系数
事故持续时间
上游车流量
断面通行能力
排队长度
四、问题的分析与建模
问题一
问题一的分析
对于问题一,首先要对视频1的信息进行观察提取,得到每个行车周期内通过交通事故横断面的小车数量和大车数量。
用标准当量换算系数将两种车数目一致化得到某个时间段的标准当量数。
然后,结合题意定义出实际交通能力,将处理后所得的数据带入实际通行能力函数求出某时间段的实际道路通行能力。
最后将所得结果用Excel作图进行表示,结合图形描述事故横断面通行能力变化过程。
定义实际交通能力
道路的实际通行能力是指在给定服务水平的条件下,单位时间内通过道路某一断面的最大交通实体数。
我国的定义为道路设施疏导交通流的能力。
通过参考资料《路网环境下高速公路交通事故影响传播分析与控制》[1]中定义实际道路通行能力函数及其它相关知识,我们对其定义的函数进行优化处理,使其能更细致地表现出通过该事故横截面的车辆数目以及其比重,更为精确地描述出道路通行能力的实际情况。
定义的实际通行能力函数如下:
其中,
是理论道路通行能力,
是单向车行道的车道数,
是车道宽度和侧向净宽对通行能力的折减系数,
是大型车对通行能力的修正系数,
是大型车换算成小客车的车辆换算系数,
是单位时间内大型车交通量占总交通量的百分比,
是单位时间内标准车当量数比率,
是单位时间内标准车当量数,
是单位时间内平均标准车当量数。
问题一的求解
从小车相撞开始到撤离期间,以60s为周期统计出断面处小车及大车的数量根据标准当量系数(表1)将其换算为标准当量,并结合
、
=、
得到
、
、
,将以上数据带入实际通行能力函数求得
(表2)。
表1:
换算系数表
车型
标准
标准当量换算系数
小车
座位
1
大车
座位
表2:
通行能力计算
时间段
小车数量
大车数量
标准当量数
16:
44:
00-16:
45:
00
15
1
1/16
1337
16:
45:
00-16:
46:
00
14
0
14
0
1175
16:
46:
00-16:
47:
00
16
1
1/17
1435
16:
47:
00-16:
48:
00
12
1
1/13
1086
16:
48:
00-16:
49:
00
22
0
22
0
1848
16:
50:
00-16:
51:
00
16
1
1/17
1430
16:
51:
00-16:
52:
00
17
0
17
0
1425
16:
52:
00-16:
53:
00
15
2
18
2/17
1434
16:
53:
00-16:
54:
00
14
2
17
2/16
1341
16:
54:
00-16:
55:
00
17
1
1/18
1508
16:
55:
00-16:
56:
00
19
0
19
0
1527
16:
56:
00-16:
57:
00
16
1
1/17
1430
将上表的实际通行能力,用Excel做图进行表示:
根据实际道路通行能力的曲线变化图,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、稳定在
附近。
曲线在一开始出现了
左右的低谷,我们认为这是由于大型汽车(如公交车)的发车间隔时间造成的,其体积较大、速度较慢,所以会造成短时间内较严重的阻塞情况。
其次,又因为车流量受交通灯相位放行影响,由附件5知交通灯周期为60s,所以大概每隔一段时间,由于交通灯放行和大型汽车的双重影响,造成实际道路通行能力的类山谷函数图。
该图在中间部分出现了一个高于
(即基本道路通行能力)的点,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(
)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,我们分析了发生事故后实际道路通行能力下降的原因,除了占用车道使可使用的车道减少以外,经过的车辆驾驶员也会因发生事故造成行驶的一定影响,如避免发生二次事故所以在通过仅剩的一条车道时会减速行驶,使得实际道路通行能力下降。
因两辆事故车所占车道情况确定,故随着时间的增加实际通行能力趋于平稳。
同时由于受公交车通过数量、交通信号转变周期、司机应变能力等的影响,实际通行能力会在一定区域内波动。
问题二
问题二的分析
视频1与视频2中发生的交通事故所占道路不同,事故发生时间也不同。
视频1中的交通事故通行断面靠近非机动车道,受两轮电瓶车的影响较大;视频2中的交通事故通行断面靠近中线,受两轮电瓶车的影响小,所以两轮电瓶车对实际交通能力的变化存在一定影响。
视频2的交通事故时间更接近下班时间,上游车流量较视频1中要大的多,车流量多是导致视频2中后期堵塞较严重的主要原因。
本问题研究的是单因素自变量(同一横断面交通事故所占不同车道)对因变量(横断面实际通行能力)的影响差异,所以下面将侧重分析事故所占道路不通而产生的差异。
问题二的求解
从小车相撞后的17:
35:
00开始,以60s为一个周期统计出断面处通过的小车及大车的数量、并记录在表中,根据标准当量系数(表1)将其换算为标准当量,并结合
、
=1、
得到
、
、
,将以上数据带入实际通行能力函数求得
。
表3:
实际通行能力计算
时间段
小车数量
大车数量
标准当量数n
17:
34:
00-17:
35:
00
24
3
3/27
2490
17:
35:
00-17:
36:
00
16
1
1/17
1574
17:
36:
00-17:
37:
00
20
3
3/23
2130
17:
37:
00-17:
38:
00
21
1
1/22
2029
17:
38:
00-17:
39:
00
15
2
18
2/17
1563
17:
39:
00-17:
40:
00
18
2
21
2/20
1851
17:
40:
00-17:
41:
00
17
1
1/18
1664
17:
41:
00-17:
42:
00
23
1
1/24
1877
17:
42:
00-17:
43:
00
19
2
22
2/21
1941
17:
43:
00-17:
44:
00
14
1
1/15
1383
17:
44:
00-17:
45:
00
20
0
20
0
1836
17:
45:
00-17:
46:
00
15
1
1/16
1475
17:
46:
00-17:
47:
00
12
2
15
2/14
1294
17:
47:
00-17:
48:
00
16
2
19
2/18
1654
17:
48:
00-17:
49:
00
21
0
21
0
1944
17:
49:
00-17:
50:
00
20
1
1/21
1933
17:
50:
00-17:
51:
00
17
1
1/18
1664
17:
51:
00-17:
52:
00
18
1
1/19
1754
17:
52:
00-17:
53:
00
15
2
18
2/17
1564
17:
53:
00-17:
54:
00
21
1
1/22
2031
17:
54:
00-17:
55:
00
18
2
21
2/20
1851
17:
55:
00-17:
56:
00
15
4
21
4/19
1759
17:
56:
00-17:
57:
00
17
2
20
2/19
1743
17:
57:
00-17:
58:
00
15
1
1/16
1475
17:
58:
00-17:
59:
00
13
3
3/16
1481
17:
59:
00-18:
00:
00
17
2
20
2/19
1744
18:
00:
00-18:
01:
00
17
3
3/20
1841
18:
01:
00-18:
02:
00
20
2
23
2/22
2015
依据上表的实际通行能力作出此断面的实际通行能力变化曲线(图2)并与视频1的变化曲线进行对比。
可知视频2的交通事故断面的实际通行能力在
附近波动,视频1的在
附近波动。
故视频2的交通事故断面的实际通行能力比视频1的交通事故断面的实际通行能力强。
通过观察对比可知,视频2的函数图所经过的点(受大型车间隔周期以及交通灯周期影响的点除外)都是在1800pcu/h左右上下波动,偶尔可以达到2400pcu/h
以上;而视频1的点只是在1400pcu/h左右徘徊,偶尔到1800pcu/h的高度。
再结合视频1和视频2的交通事故堵塞位置,我们发现视频1堵塞了靠近中线的两条车道,留下最远离中线的那条车道;而视频2堵塞了远离中线的两条车道,留下最靠近中线的那条车道。
由于多车道机动车道上的车辆从一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,靠近中线的车道,通行能力最大,右侧同向车道通行能力将依次有所折减,最右侧车道的通行能力最小。
?
假定最靠中线的一条车道为1,则同侧右方向第二条车道通行能力的折减系数为,第三条车道的折减系数为,从而可得所占道路不通对交通能力的影响程度。
我们从视频2中也可看出,视频2的交通事故断面随着时间延伸,它的拥堵程度越来越严重,这是因为视频2的交通事故发生在下班高峰期,上游车流量逐渐增多,而断面处实际通行能力有限,当实际通行能力小于上游车流量时就会导致堵车长度逐渐增长,拥堵越严重。
综上所述,由于视频1与视频2的交通事故阻塞车道不同,导致能通行的车道分别为车道1与车道3,靠近中线的车道3受影响小,远离中线的车道1受影响大,这就决定了两种情况下实际道路通行能力的差别。
问题二的检验
图3:
交通事故位置示意图
表4:
多车道通行能力折算率
车道位置(从道路中心线算起)
折算系数
第一条
第二条
—
第三条
—
第四条
—
观察图3可得车道3的流量比例为35%,车道1的流量比例为21%,车道2的流量比例为44%。
结合表4的折算系数,定义:
其中,
为道路的通行能力强度,
为车道流量比例,
为车道通行能力折算系数
通过计算可得
;
,
。
可知当车道3畅通时的通行能力比车道1畅通时的通行能力要强。
问题二所得结论与实际情况符合。
问题三
问题三的分析
对于问题三,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问题属于多元自变量对单因变量的情况,本题中,首先对视频1中的有效数据进行整理,用Spss建立规划模型,然后对得到的模型进行分析检验,得到事故横断面实际通行能力、事故持续时间、路段上游车流量三个变量对路段车辆排队长度这一因变量的影响关系[2]。
数据采集
1、排队长度的采集:
观察视频1可知,每两个路灯之间的距离为40m;观察附件4可知右转相位不受色灯信号控制;观察附件5可知相位均为30s,黄灯时间为3s,信号周期为60s。
因此,我们以每分钟的00秒为起始点,以60s为一个周期数出排在事故横截面后面的最大车辆排队长度(例如,当车队正好排到第二个路灯下时车队长度为80m),将其作为该周期内的排队长度。
2、事故持续时间的采集:
从发生交通事故开始计数,第n分钟t=n。
当视频发生跳跃情况时该分钟的数据不进行采集(如t=7时),但事故持续时间仍计算在内,这样做的目的是不让改周期内跳跃的数据影响以后的数据采集。
3、上游车流量的采集:
观察附件4可知,右转相位不受色灯信号控制;观察附件5可知,相位均为30s,黄灯时间为3s,信号周期为60s。
因此,我们以每分钟的00秒为起始点,以60s为一个周期,以离事故最近的路口为参考点进行上游车流量的采集。
4、断面通行量的采集:
观察附件4可知右转相位不受色灯控制,观察附件5可知相位均为30s,黄灯时间为3s,信号周期为60s,因此我们以每分钟的00秒为起始点,以60s为一个周期,以事故发生处为参考点数出断面通行的车辆,作为该周期断面的通行量。
表5数据采集表
排队长度/m
事故持续时间/min
上游车流量pcu/min
断面通行量
pcu/min
85
1
14
19
60
2
14
70
3
16
70
4
11
70
5
16
80
6
16
23
100
8
20
130
9
18
140
10
150
11
21
15
140
12
14
160
13
10
18
建立回归模型[3]
考虑到此题是研究多元自变量对单因变量的影响,故采用多元线性回归模型
为事故持续时间,
为上游车流量,
为断面通行量,
为排队长度。
用Spss对数据进行线性拟合[4]得到各变量对应的系数:
表6系数a
模型
非标准化系数
标准系数
B
标准误差
试用版
t
Sig.
1
(常量)
.331
事故持续时间
.900
.000
上游车流量
.574
.076
.539
.604
断面通行能力
.786
a.因变量:
排队长度
(其余表见附录一)
所以线性回归模型为:
回归方程的显着性检验[5]
对模型进行方差分析:
表7Anovab
模型
平方和
df
均方
F
Sig.
1
回归
3
.001a
残差
8
总计
11
a.预测变量:
(常量),断面通行能力,事故持续时间,上游车流量。
b.因变量:
排队长度
从表7中可知,F统计量为,系统的自动检验的显着性水平为。
在EXCEL表中用FINV()函数计算可得
F,8,11)=
F,8,11)=
F,8,11)=
三个F值均小于,因此回归方程的相关性非常显着。
模拟值与真实值的对比
把原数据带入回归方程,求出相应的
值(见表8),并用Excel作图观察模拟值与真实值的接近度(图4)。
表8:
车辆排队长度模拟值与真实值的对比
事故持续时间
1
2
3
4
5
6
8
9
10
11
12
13
真实值
85
60
70
70
70
80
100
130
140
150
140
160
模拟值
54
58
72
76
89
93
115
125
134
142
143
150
由上图可看出,只有第一个预测值与真实值相差稍大,其余预测值与真实值基本相近。
考虑到事故发生的滞后效应,第一个真实值偏小可能是后面的司机还没有感知到前面事故的发生,导致到达事故发生点时过度拥挤,从而使车辆排队长度比正常值小。
但从总体来看,真实值与预测值的插值曲线比较接近,可以表示出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。
问题四
问题四的分析与求解
假如交通事故所处横断面距离上游路口变为140米,那么问题3中的事故横断面实际通行能力、事故持续时间、路段上游车流量间都将发生微小的变化,但此题已给出路段上游车流量为
(
),因此我们结合表5找出当上游车流量为
时列出断面通行能力的梯度,然后代入
进行求解得一系列
,见表9:
表9:
到达上游路口时间表
排队长度
140
上游车流量
25
断面通行能力
17
18
到达上游路口时间
从表中可以看到,当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25pch/h,事故发生时车辆初始排队长度为零,且事故持续不撤离时,事故要经过约
车辆排队长度将到达上游路口。
五、模型评价
优点:
(1)本文在充分分析视频的基础上,提炼出有用的数据,合理的选择模型,且模型的主观因数影响较小。
(2)在进行数据提取、处理时,尽可能全面合理的利用附件中给出的提示信息,避免了信息的浪费。
(3)针对问题