事故后城市道路交通论文

1模型建立与求解

两段视频中事故发生后交通拥堵的示意图如图1所示。其中XQ指道路实际通行能力，表示在实际交通条件下，单位时间内通过特定横断面的最大车辆数；BC指道路基本通行能力，表示在理想交通条件下，当具有标准长度的车辆与前后两车最小车头间距连续行驶时，单位时间内通过道路上指定断面的最大车辆数。其中，d表示视频中事故后当出现车队时的车队长度，由车队排位最后的车辆所对应的灯柱与事故横断面间的距离得到（灯柱间隔为40m）；t表示在记录车队中大汽车与小客车的数量开始到相同数目汽车通过横断面结束的时间间隔。结合以上公式，可得到车辆平均速度v与道路实际通行能力XQ的对应数据，取每个时间段的中间时刻（以发生事故的时刻为起始时刻）作为计数时刻，运用MATLAB进行曲线拟合，可得出两段视频中道路实际通行能力随时间推移的变化规律如图2所示。

由图2可得，事故发生时，道路的外道和内道的通行能力无明显差异，由于发生事故前内道车流量比外道车流量要高得多，发生事故后，大量内道以及中间车道的车辆向外道挤去，造成道路的通行效率变低，因此，视频1中的道路通行能力下降速度要比视频2中的快，曲线下降幅度大；而发生事故过了一定的时间后，后段司机意识到内道和中间道无法通过，都向外道行驶，使得从内道和中间道挤过外道占位的车辆越来越少，视频1中的道路通行效率升高，通行能力也随之升高，而在视频2中，由于正处在17～18点间的下班高峰期，车流量逐渐增大，使得道路通行能力继续下降。在研究事故路段车队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量的关系时，车队长度可采用上述方法求解，当我们确定某一时间点发生堵车的车队长度时，可得到对应的事故持续时间和路段上游车流量。

持续时间可定义为事故发生时刻到所确定发生堵车时刻间的时间长度。路段上游车流量可由车流的平均速度与密度的乘积表示，通过统计车队长度内的标准车辆数可得到车流密度，进一步用上述方法计算车流平均速度，进而得出车流量。以视频1为例，通过观察所有堵车时刻，并将可记录距离、车流平均速度和密度的时刻记录下来，得到数据后分别做每个自变量与应因变量的散点图如图3所示。由图3可得，散点图中的离散点并非线性，即每个自变量对应因变量的关系都不是线性的，因此本文运用多元非线性回归模型进行求解。观察图像可得，散点图围绕某特定值上下波动，类似于三角函数，因此其中含有；同时，结合波动分析，得出初始表达式如下。

模型参数的置信区间较小、误差较少，代入数据后得到车队长度理论值并与其实际值比较如表1所示。由于模型计算出的理论值和实际值存在一定偏差，因此考虑车队长度实际值与理论值离差随时间的关系图如图4所示。由图4可得，残差在0m上下波动，除去一些异常点后，其波动在可接受范围内，误差相对较少。而且，模型的值为0.92795，即决定车队长度的92.795%因素可由模型确定，合理性较强。

2模型的评价改进及推广

通过多元非线性回归得到的函数关系式，具有较高的可信度和实用性。同时，为了使模型更准确，本文在建立模型结构时，考虑波动理论，并根据各散点图得到了最初的数学模型，使结果更加合理。由于数据的收集带有很强的主观性，因此会为模型带来一定误差。由于模型针对收集的数据进行回归分析，因此数据对模型的影响较大。大部分交通拥堵均存在一个特点，就是因变量对应自变量之间的散点图都围绕某个值波动。然而，实际中影响堵车长度的因素还有道路服务水平、周边环境等，因此得到的理论数据需要进行进一步处理才能更加合理地进行预测。

作者：梁志鹏陈梓麟韦晴刘雨琦单位：广东外语外贸大学金融学院新加坡国立大学理学院广东外语外贸大学西方语言文化学院