中山大道 车陂路交叉口排队长度调查报告展示
DESCRIPTION
TRANSCRIPT
中山大道—车陂路交叉口排队长度调查小组调查报告
组长：蓝子钦成员：胡群学、李新铭、梁嘉豪、梁文平、李沛哲、
卢昱寰、钱宇翔、邱铭凯、万伟、张煜晗
人员分工
西进口：梁家豪 东进口：邱明凯
南进口：李沛哲 北进口：万伟
调查车辆到达率
人员分工
西进口：蓝子钦 东进口：张煜函
南进口：胡群学 北进口：梁文平
调查排队长度
人员分工
调查西进口BRT离去率
子站一:：卢昱寰
子站二：李新铭
子站三：钱宇翔
3 绿信比与交通量关系成果展示
1 预期成果
4 BRT线路优化成果展示
5 最大排队长度与车辆到达率的关系成果展示
6 结论与建议
2 各进口饱和度成果展示
目录
预期成果通过调查数据，制作交通信号配时调查整理表，结
合相应周期的车辆最大排队长度，分析信号灯周期
的变化，了解SCATS系统的配时，并分析其科学性
与合理性
得到该路段BRT的交通量、排队长度和车辆到达
率，整合成图线直观表示，简单评价该交叉口的公
共交通对交通压力的缓解能力
通过各进口道的排队长度数据，得到该交叉口车辆
排队的基本情况，通过图线直观显示。通过不同方
向数据分析该交叉口各进口道车道设置是否合理，
若不合理则提出改进方案
各进口饱和度成果展示
饱和度公式
V——相应进口单位时间内的交通量
C——相应进口的通行能力
C
VS
0.5
0.8
0.5
0.67 0.67 0.65
0.570.63
0.7
0.81
东 南 西 北
15:30-16:30 17:30-18:30
绿信比与交通量关系成果展示
原始数据
周期数 交通量比值 绿信比比值
1 1.0029 0.8846153852 0.9947 0.9870129873 1.0592 14 1.0139 0.986111111
5 1.0926 0.9041095896 1.0809 0.9189189197 1.0703 0.9230769238 1.0922 0.93759 1.1938 110 1.1099 0.961038961
11 0.9615 0.93670886112 1.0154 0.98734177213 1.0988 0.96052631614 1.0657 0.94594594615 1.0358 0.904109589
16 0.9846 0.98571428617 0.926 1.14754098418 1.0013 1.39682539719 1.161 1.16923076920 1.0946 0.98412698421 0.9278 1.095238095
22 0.9336 1.01470588223 0.9972 0.911764706
15:30-16:30两个方向交通量比值
原始数据 17:30-18:30两个方向交通量
15:30-16:30
交通量比值和绿信比比值的关系图
17:30-18:30
交通量比值和绿信比比值的关系图
在平峰和高峰时段，SCATS系统并没有很好地根据两个方向的交通量的差别来调整两个方向相位的比例。
但从总体来看，在观察过程中路段没有形成二次排队，路况情况良好。所以SCATS系统在疏导交通方面仍发挥了一定作用。
SCATS系统
结论
BRT线路优化成果展示
《美国通行能力手册》中提出公交车站服务水平的概念，是基于公交车辆进入车站发生排队的概率的服务水平分级
有效时间表示1h中的有效时间（公交车不停车的进入车站进行上落客所占用的时间），单位为秒，有效时间越短，公交车进站的排队概率以百分比表示就越小。
《美国通行能力手册》中提出公交车站服务水平的概念，是基于公交车辆进入车站发生排队的概率的服务水平分级
综上，决定选择排队概率作为车站服务水平的有效度量。
BRT子站串联排队服务模型假设
车辆达到流服从最简单分布即泊松分布。 子站停站服务时间的均值即为k
阶爱尔朗分布的参数，串联系统中总的服务时间服从k阶爱尔郎分布。
假设车辆到达车站的时候第1个泊位处于忙碌的状态，车辆不能进站停靠上落客需在子站外排队等候
假设车辆在1个子站的若干个泊位都需要停靠，每个泊位的停站服务时间均相等，服从负指数分布,其均值之和等于所停靠子站观测值的均值
λ 为车辆平均到达率，μ 为每个泊位的平均服务率，b 表示已完成上落客正在等待前面车辆离去，箭头表示由上一个状态进入下一个状态
该公交车站总体评定为F
服务水平评定
线路停靠优化
优化目标
各子站停靠线路数量均衡限，制子站之间停靠线路数最大值与最小值之差不大于4
各子站车辆进站排队概率均衡
优化后的发车频率组合
通过对 BRT 车站既有停靠线路进行优化，可以有效地将乘客均匀地分散在三个不同的子站，使各子站的车辆排队概率趋于均衡，较好地提高车站的总体服务水平。
BRT 车站
结论
最大排队长度与车辆到达率的关系成果展示
原始数据
原始数据
原始数据
原始数据
数据分析四个进口的最大排队长度与车辆到
达率的折线图呈现大致相同的变化趋势，
即最大排队长度与车辆到达率同时上升
或下降，但趋势变化一致性不太明显。
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
假设记车辆到达率为X，记最大排队长度为Y，即车辆到达率X与最大排队长度Y的代数和记为X+Y
由以上折线图可以发现，Y（最大排队长度）与X+Y（最大排队长度与到达率之和）的变化趋势是一致的。
由此大胆假设，Y（最大排队长度）与X+Y（最大排队长度与到达率之和）存在相关关系。
相关系数计算公式
))(()()(
2
2
2
2
nn
n
yxxy
r
yy
xx
|r|表示了变量之间相关程度的高低，因为|r|大于0.8时，所以认为Y（最大排队长度）与X+Y（最大排队长度与到达率之和）两个变量有很强的线性相关性，而且两者是正相关。
0
0.2
0.4
0.6
0.8
1
东进口 西进口 南进口 北进口
平峰和高峰各入口的相关系数
平峰
高峰
线性拟合由线性相关分析可知，Y（最大排队长度）与X+Y（最大排队长度与到达率之和）两个变量有很强的线性相关性，而且两者是正相关，因此用最小二乘法对 Y （最大排队长度）与X+Y（最大排队长度与到达率之和）进行线性拟合。
x=Y，y=X+Y，R的平方是趋势线的相关系数。当趋势线的 R 平方值等于或近似于 1 时，趋势线最可靠）。
x=Y，y=X+Y，R的平方是趋势线的相关系数。当趋势线的 R 平方值等于或近似于 1 时，趋势线最可靠）。
x=Y，y=X+Y，R的平方是趋势线的相关系数。当趋势线的 R 平方值等于或近似于 1 时，趋势线最可靠）。
x=Y，y=X+Y，R的平方是趋势线的相关系数。当趋势线的 R 平方值等于或近似于 1 时，趋势线最可靠）。
bkxy
11
k
b
k
XY
东进口平峰：Y=1.2811X-36.0671东进口高峰：Y=1.7867X-88.1865西进口平峰：Y=44.2478X-4341.5487西进口高峰：Y=9.8039X-946.9412南进口平峰：Y=12.0773X-871.0869南进口高峰：Y=3.7299X-268.5528北进口平峰：Y=36.2319X-3272.6450北进口高峰：Y=5.0632X-512.6582
最大排队长度Y与最大排队长度与车辆到达率之和X+Y是线性关系函数
不足
由图表发现，各个进口高峰期的R2值比平峰期的R2值大，说明高峰期的线性相关关系式拟合程度比平峰期的大。
反思其原因：在固定时间（3分钟）内记录一次数据，在数据处理的时候，假设道路上的车流是均匀到达的，通过比例换算算出一个周期内的到达率，再用换算后的数据与最大排队长度拟合曲线。
平峰期的车流量小，曲线拟合程度较高峰期低；高峰期的车流量大，可看作均匀到达，符合假设，因此曲线拟合程度高
最大排队长度与车辆到达率存在线性关系，其中高峰期的最大排队长度与车辆到达率的线性关系比平峰期更强。
排队长度和车辆到达率
结论
在正式调查前应充分了解调查的内容和方法，并提前在调查地点进行预调查，为正式调查做好准备工作；
进行预调查时应认真仔细，充分考虑任何不利因素和可能的突发情况，并想好应对措施；
在调查前与其他组做好协商，避免造成调查数据的重复；
处理数据前先分析要达成的研究成果，避免盲目操作数据，提高效率；
反思
预调查时没有正确预估划线所需的时间，导致正式调查时东进口的测距线
没有画完；
在分析SCATS系统的合理性时，没有正确理解SCATS系统的工作机
制，导致前期的分析方向出现偏差；
考查绿信比与交通量的关系时，认为交通流是均匀到达的，而实际
情况车流不一定是均匀到达的，还需要进一步分析处理；
在对BRT的线路进行优化时，假设BRT在每个泊位的平均服务时间相
等，而实际情况与假设并不完全相符。
在固定时间（3分钟）内记录一次数据，在数据处理的时候，假设道路上的车流是均
匀到达的，与实际情况并不完全一致，所以当车流量较小时（如平峰期），曲线拟
合程度较低。
总结
谢谢!