1、車道被占用對城市道路通行能力的影響摘 要:針對問題一，我們簡化了實際通行能力計算公式，同時計算了事故發生前的事故所處橫截面實際通行能力作為對照，事故發生后實際通行能力下降了518pcu/h。繪制出全過程的實際通行能力變化折線圖，發現在擁堵狀態下實際通行能力是趨于穩定的。為了進一步體現整個隊列的通行能力變化過程，我們建立了道路車輛密度模型作為參考，發現在每個紅綠燈信號周期內，隊列長度波動上升。針對問題二，計算事故所處橫截面的實際通行能力的方法同問題一，事故后實際通行能力下降了430pcu/h。比較得出視頻2中實際通行能力比1高出118 pcu/h。為比較事故車輛占用不同車道對實際通行能力的影響，

2、我們統計了三個車道的車流量比例。分析得出左轉車道被占用相比右轉車道被占用對實際通行能力的影響更大。 針對問題三，我們得到關系式：每一分鐘隊列中的車輛數=前一分鐘隊列中滯留的車輛數+每分鐘內新進入隊列的車輛數-每分鐘從事故橫截面駛出的車輛數，這可以看做一個隨機過程。從視頻中提取大量數據并利用SPSS檢驗可知，在此隨機過程中，進入隊列車流量服從泊松分布。因此我們由關系式推出排隊隊列車輛數的概率分布列。又因為排隊長度與排隊隊列車輛數成線性關系，所以排隊長度與排隊隊列車輛數同分布。此分布列即取決于事故橫斷面實際通行能力、事故持續時間、路段上游車流量，反映了排隊隊長與以上三個因素的關系。針對問題四，根據

3、問題三建立的模型，得到每分鐘排隊隊長的概率分布列。依據此分布列，利用MATLAB軟件模擬從事故發生到車隊堵到上游路口所需的時間。通過編程大量循環，最終得到車隊堵到上游路口所需的時間的期望為7.2135分鐘，即從事故發生開始，一般經過7.2135分鐘，車輛排隊長度將到達上游路口。關鍵詞：實際道路通行能力 道路車輛密度 泊松分布 隨機過程 SPSS MATLAB 一、問題重述車道被占用是指因交通事故、路邊停車、占道施工等因素，導致車道或道路橫斷面通行能力在單位時間內降低的現象。由于城市道路具有交通流密度大、連續性強等特點，一條車道被占用，也可能降低路段所有車道的通行能力，即使時間短，也可能引起車輛

4、排隊，出現交通阻塞。如處理不當，甚至出現區域性擁堵。車道被占用的情況種類繁多、復雜，正確估算車道被占用對城市道路通行能力的影響程度，將為交通管理部門正確引導車輛行駛、審批占道施工、設計道路渠化方案、設置路邊停車位和設置非港灣式公交車站等提供理論依據。視頻1（附件1）和視頻2（附件2）中的兩個交通事故處于同一路段的同一橫斷面，且完全占用兩條車道。請研究以下問題：1.根據視頻1（附件1），描述視頻中交通事故發生至撤離期間,事故所處橫斷面實際通行能力的變化過程。2.根據問題1所得結論，結合視頻2（附件2），分析說明同一橫斷面交通事故所占車道不同對該橫斷面實際通行能力影響的差異。3.構建數學模型，分析

5、視頻1（附件1）中交通事故所影響的路段車輛排隊長度與事故橫斷面實際通行能力、事故持續時間、路段上游車流量間的關系。假如視頻1（附件1）中的交通事故所處橫斷面距離上游路口變為140米，路段下游方向需求不變，路段上游車流量為1500pcu/h,事故發生時車輛初始排隊長度為零，且事故持續不撤離。請估算，從事故發生開始，經過多長時間，車輛排隊長度將到達上游路口。附件1：視頻1附件2：視頻2附件3：視頻1中交通事故位置示意圖附件4：上游路口交通組織方案圖附件5：上游路口信號配時方案圖注：只考慮四輪及以上機動車、電瓶車的交通流量，且換算成標準車當量數。二、模型假設與符號說明2.1模型假設（1）視頻中包含的

6、數據信息真實可靠，題目中的數據信息與視頻吻合；（2）視頻中的車輛行駛符合交通規則（不會出現闖紅燈等行為）；（3）事故發生是偶然的，車流量也是隨機的，不會因為事故發生而減少；（4）事故車輛完全占用兩個兩個車道；2.2符號說明基本通行能力 可能通行能力 實際通行能力 道路車輛密度 第個單位時間截止時路段車輛排隊長度 第個單位時間截止時滯留在隊內的車輛數 第個單位時間內路段上游車流量 事故橫截面流出的車流量 第個單位時間內隊長的變化量 平均每輛車在排隊時所占的長度注：其他未注明符號具體在文章中說明三、問題分析題目并沒有給任何直接數據，所有數據都源于對視頻1、2的觀察記錄。3.1問題一分析問題一要求描

7、述事故發生至撤離期間，事故所處橫斷面實際通行能力的變化過程。只需按一定時間間隔記錄視頻1中車輛通過橫斷面的速度，根據公式計算出實際通行能力，觀察并分析其變化情況即可。由于要描述這一過程，所以還應將事故發生前的實際通行能力作為對比。3.2問題二分析問題二要求說明同一橫斷面事故所占不同車道對該橫斷面實際通行能力影響的差異。視頻2中實際通行能力的計算同視頻1，并將其與視頻1的相比較。對事故所占不同車道對實際通行能力的影響則還需要考慮各個車道車流量的分配比例。3.3問題三分析問題三要求構建數學模型，分析視頻1中交通事故所影響的路段車輛排隊長度與事故橫斷面實際通行能力、事故持續時間、路段上游車流量間的關

8、系。將堵車排隊過程看做一隨機過程，在此過程中，每一分鐘隊列中的車輛數=前一分鐘隊列中滯留的車輛數+每分鐘內新進入隊列的車輛數-每分鐘從事故橫截面駛出的車輛數。可以從此關系式出發建立橫斷面實際通行能力、事故持續時間、路段上游車流量的關系，并通過對每分鐘內新進入隊列的車輛數、每分鐘從事故橫截面駛出的車輛數這兩個隨機變量入手，檢驗其滿足的分布，求解排隊車輛數滿足的分布列，再通過排隊隊長與排隊車輛數的線性關系，得到排隊隊長的概率分布列。最終可得到反映排隊長度與以上三者隨機變量的關系。3.4問題四分析問題四要求說明，在如圖的條件下，若視頻1中的交通事故所處橫斷面距離上游路口變為140米，路段下游方向需求

9、不變，路段上游車流量為1500pcu/h,事故發生時車輛初始排隊長度為零，且事故持續不撤離。要求估算，從事故發生開始，經過多長時間，車輛排隊長度將到達上游路口。可依據問題三建立的模型，其中由于路段下游方向需求不變，事故橫截面流出的車輛數可以取第三問中的測得的值19pcu/min，路段上游車流量為1500pcu/h,相當于單位時間內路段上游車流量的變為25pcu/min（1500/60=25），根據問題三的模型，得到每分鐘車隊車輛變化數的概率分布列。依據此分布列進行編程模擬，可得到從事故發生開始，車輛排隊長度將到達上游路口，這一隨機過程所用時間的期望。四、模型的建立與求解4.0模型準備各汽車代表

10、車型與車輛折算系數【4】汽車代表車型車輛折算系數說明小客車1.019座的客車和載重量2噸的貨車中型車1.519座的客車和載重量2t7t的貨車大型車2.0載重量7t14t的貨車拖掛車3.0載重量14t的貨車4.1問題一的模型建立與求解4.1.1模型建立與求解1模型建立（1）基本通行能力基本通行能力【1】是指道路與交通處于理想情況下,每一條車道(或每一條道路) 在單位時間內能夠通過的最大交通量。作為理想的道路條件,主要是車道寬度應不小于3.65 m , 路旁的側向余寬不小于1.75 m，縱坡平緩并有開闊的視野、良好的平面線形和路面狀況。作為交通的理想條件, 主要是車輛組成單一的標準車型汽車, 在一

11、條車道上以相同的速度,連續不斷的行駛,各車輛之間保持與車速相適應的最小車頭間隔, 且無任何方向的干擾。在這樣的情況下建立的車流計算模式所得出的最大交通量,即基本通行能力,其公式如下: 其中:行車速度(km/ h) ；車頭最小時距(s) ； 車頭最小間隔(m) ； 車輛平均長度(m) ；車輛間的安全間距(m) ；車輛的制動距離(m) ； 司機在反應時間內車輛行駛的距離(m) ； 。我們令剎車距離，則。約為4.5米。與的關系見表1。表1 車速和剎車距離的關系車速（km/h）20406080100120140剎車距離（m）6.517.833.657.183.4118.0153.5用MATLAB將其擬

12、合成二次曲線可得： （2）可能通行能力計算可能通行能力是以基本通行能力為基礎考慮到實際的道路和交通狀況,確定其修正系數,再以此修正系數乘以前述的基本通行能力,即得實際道路、交通與一定環境條件下的可能通行能力。影響通行能力不同因素的修正系數為:a.道路條件修正系數有:車道寬度修正系數、側向凈空的修正系數、縱坡度修正系數、視距不足修正系數、沿途條件修正系數。b.交通條件的修正主要是指車輛的組成, 特別是混合交通情況下, 車輛類型大小不一, 占用道路面積不同,性能不同, 速度不同, 相互干擾大, 嚴重地影響了道路的通行能力。 一般記交通條件修正系數為。于是,道路路段的可能通行能力為： 此處為簡化計算

13、，我們設定、均為1，則： （3）實際通行能力實際通行能力通常可作為道路規劃和設計的依據。只要確定道路的可能通行能力,再乘以給定服務水平的服務交通量與通行能力之比,就得到實際通行能力,即服務交通量交通能力 （輛/小時）此處為簡化計算，我們設定服務交通量=交通能力，查閱資料【2】得：=0.96，=0.95 2模型求解我們以20秒為單位統計了視頻1中事故發生前后的車輛經過事故發生橫截面的速度（見附錄1）并繪制成折線圖，并根據式4-6對應求解出視頻1中實際通行能力（見附錄2），繪制成折線圖如下：分析：事故發生前，實際通行能力約為1670 pcu/h。事故剛發生后，實際通行能力立即下降至約1230 pc

14、u/h。事故持續發生期間，實際通行能力在一細小范圍內上下波動，其均值為1152 pcu/h。事故前后通行能力下降518pcu/h。事故撤離后，實際通行能力立即恢復。而在每一分鐘內，實際通行能力存在先減小后增加的趨勢，這是由于信號燈周期為一分鐘，每次綠燈放行后車流量會增大，導致車輛通過橫截面時發生擁堵，實際通行能力下降；紅燈后，車輛不再涌入隊列中，擁堵情況稍有緩解，實際通行能力又略上升。3模型缺陷由于模型中，根據統計固定間隔時間通過事故橫截面的車輛數計算速度，進而計算得出的實際通行能力的方法誤差較大，且通過事故橫截面的實際通行能力在穩定后趨于不變，無法描述更細微的變化過程，于是我們建立了模型。4

15、.1.2模型建立與求解1模型建立我們不妨定義單位長度的道路里容納的車輛數為道路車輛密度，單位為輛/m，則 （4-7）其中，為單位時間內通過事故橫截面的車輛數，單位為輛/s或輛/min，為通過事故路段車輛的平均速度，單位為m/s。由交通運輸常識可知，道路密度越大，車輛通行越緩慢，反映出道路通行能力越差。2模型求解要得到單位時間內通過事故橫截面的車輛數，要在整個視頻1中對每分鐘通過事故截面的車輛數進行計數，得到事故發生前后每分鐘通過事故截面的車輛數，再折算成事故發生前后每秒通過事故截面的車輛數（見附錄3）。要得到通過事故路段車輛的平均速度，要對整個視頻1中每分鐘出現的車輛進行測速。為簡化統計，可選

16、取每分鐘綠燈時，從上游路口駛入的車隊中，取中間正常行駛的某一輛，測其通過事故路段（視頻中多次標出的120米）行駛的時間，由此求得（見附錄3）。最后根據式4-7，計算道路車輛密度。借助MATLAB作圖（見附錄4）得到視頻1中的道路車輛密度隨在視頻記錄的時間中變化的曲線：注：0為視頻開始時的分鐘時刻，事故發生的分鐘時刻為4分鐘時刻。由圖可見，道路車輛密度在事故發生后，隨時間變化的曲線呈波動上升趨勢。這表示事故發生之后道路的通行能力雖然有波動，但大趨勢是越來越差的，這符合堵車后的客觀規律。 波動形成的原因是由于信號燈周期為1分鐘，每個周期內綠燈放行后，大量車涌入，出現一個谷，隨后逐漸上升，直至一個峰

17、。4.2問題二的模型建立與求解4.2.1用模型 = 1 * ROMAN I求解同視頻1，我們以20秒為單位統計了視頻2中事故發生前后的車輛經過事故發生橫截面的速度（見附錄5）并繪制折線圖如下，并根據式4-6對應求解出視頻2中實際通行能力（見附錄6）繪制成折線圖如下：分析：事故發生前，實際通行能力約為1700pcu/h。事故剛發至事故發生后13分鐘，實際通行能力波動幅度較大，且具有T=1min的周期性，這是由于這期間每分鐘的擁堵只短暫出現在綠燈放行后的一小段時間內，其他時間段通行能力受事故影響很小。13分鐘后，實際通行能力下降并趨于穩定，平均值為1270 pcu/h，這時由于前面排隊車輛的累積，

18、已形成持續的排隊隊列。事故前后相差430pcu/h。事故撤離后，實際通行能力逐漸恢復。4.2.2用模型求解依據4.1.2中建立的模型和方法，記錄視頻2中的單位時間內通過事故橫截面的車輛數，通過事故路段車輛的平均速度，計算得到道路車輛密度（見附錄7）。借助MATLAB作圖（見附錄4）得到視頻1中的道路車輛密度隨在視頻記錄的時間中變化的曲線如圖所示：注：0為視頻開始時的分鐘時刻，事故發生的分鐘時刻為5分鐘時刻。由圖可見，道路車輛密度在事故發生后，隨時間變化的曲線呈波動上升趨勢。這表示事故發生之后道路的通行能力雖然有波動，但總趨勢是越來越差的，這與視頻1的結果相同。且通過視頻1、2的圖對比可發現，視

19、頻1道路密度到達0.19的時間短于視頻2的時間，說明在視頻1中事故所占的中間兩個車道比視頻2中事故所占的靠邊的兩個車道對道路密度的惡化的影響大。 視頻1與視頻2實際通行能力的差異形成穩定的排隊隊列后，視頻1中平均實際通行能力為1152pcu/h，視頻2中為1270pcu/h，2比1多出118 pcu/h視頻2的實際通行能力大于視頻1的實際通行能力。我們根據視頻1、2統計未發生事故時通過各個車道的車輛數，并計算了三個車道流量比例，見表2。表2.三個車道流量比例車道左轉直行右轉流量比例36.63%43.66%19.71%視頻2實際通行能力大于視頻1實際通行能力原因分析： = 1 * GB3 視頻1

20、事故車輛阻斷了直行道與左轉道的通行，視頻2事故車輛阻斷了直行道與右轉道的通行。左轉車道為快車道，右轉車道為慢車道，左轉車道的流量顯著大于右轉車道的流量，故視頻1中發生事故會導致很多車輛換道，更容易造成擁堵。 = 2 * GB3 視頻1中只有左轉車道通行時，由于左轉車道有車輛進出小區或靠邊停下，會加劇擁堵程度。4.3問題三的模型建立與求解由問題一得到的視頻一車輛通過橫斷面速度變化折線圖可以看出，事故發生后就立即有車輛在持續排隊。由經驗知排隊的長度應與參與排隊的車輛數近似成正比關系。由于信號燈的周期為1分鐘，綠燈的27秒內有大量新車輛加入隊列，紅黃燈的30秒內只有上游右轉車輛及兩個小區路口內駛入的

21、車輛。因此可取每一分鐘為一個循環周期。每一分鐘隊列中的車輛數=前一分鐘隊列中滯留的車輛數+每分鐘內新進入隊列的車輛數-每分鐘從事故橫截面駛出的車輛數。如果這些這些變量都各自服從某一分布，我們便可以建立一個隨機過程。1模型準備及數據處理：對于事故橫截面流出的車輛數，根據問題一求解可得出，事故發生之后持續形成堵車隊列，當達到穩定狀態后，穩定不變，為一常數。另由實際觀測（具體數據見附錄8）發現此時在7附近波動。故我們可以認為，在事故發生后，為一常數，根據實測數據（附錄8）算出，該常數為19輛/min。對于單位時間內路段上游車流量，分三個入口，分別對應由紅綠燈控制的主干道、路邊的兩個小區入口（如下圖所

22、示）。在綠燈時（視頻1的每分鐘的前30秒），因為入口2的車流量較于入口1極小，可將入口1、2合起來計算。但由于入口3位置特殊，它的位置在最長隊列的120米的范圍內，所以應將所有出入入口3的測量單獨計數。計數結果見附錄X。經SPSS檢驗，視頻1中入口1、2、3每分鐘進入的車輛輛數均符合泊松分布：故入口1、2、3進入的車輛可疊加后定義為單位時間內路段上游車流量，服從泊松分布。我們注意到視頻1、2是在同一天的下午在同一路段的同一截面發生的事故，視頻1的時間為16:38至17:03，視頻2為17:29至18:03，正好位于城市下班高峰期。我們將視頻一二關聯起來一起觀察，可以看出隨著時間的增加車輛數在增

23、加，符合下班高峰期的車流規律。由此我們假設是一個服從泊松分布的隨機變量，且其參數是一個隨時間增大的函數。我們以每5分鐘的上游車流量為一組計算視頻1、2中 的（數據見附錄10），利用MATLAB進行三次樣條插值，作圖（程序見附錄11），得到這一天此路段下午16:30至18:00點的變化圖。由圖可見， 的在下午16:30至18:00間是隨時間波動上升的，與假設情況相符。因此我們可以由圖像得到這一下午從16:30至18:00每一分鐘的的值。注：此圖中0min對應16:30 ，10min對應16:10，以此類推則服從隨時間改變的泊松分布，其分布列為：2模型建立在建立模型之前，我們先定義所需的變量，如下

24、所示： 第個單位時間截止時路段車輛排隊長度 第個單位時間截止時滯留在隊內的車輛數 第個單位時間內路段上游車流量 事故橫截面流出的車流量 第個單位時間內隊長的變化量 平均每輛車在排隊時所占的長度道路行車排隊情況如上圖所示，我們可以得到如下關系式：又結合的定義，有：則原關系式化為：由于、都各自符合某一類隨機函數分布，分別記為：，則由關系式（3）（4）（5）可以得到與同分布，即，此分布即顯示排隊長度與事故橫斷面實際通行能力、事故持續時間、路段上游車流量間的關系。3模型求解由數據檢驗可知：符合泊松分布：（分布列矩陣見附錄13）為常數19輛/min，再結合式（3），則可以得到的分布列：結合式（4）得的分

25、布列：-18-17-10116由視頻數據求k：我們對視頻一中每個整分鐘時刻取樣，得到該時刻隊伍內的車輛數，并根據視頻中的長度標識（120米的標識）估算與之相對應的隊伍長度，得到數據如下：/輛10808311109/米51.4335051.4517.4534.351.4332.57/輛15192023231824/米42.867268.5799.4399.4368106.29又因為：用MATLAB進行線性擬合得則結合的分布列及式（5）得的分布列：-64.8-61.2-3.603.657.6即：此分布列體現了排隊長度取不同值時的概率，而概率取決于事故橫截面流出的車輛數、時間、路段上游車流量服從泊松

26、分布的參數，因此此分布列反映了排隊長度與事故橫斷面實際通行能力、事故持續時間、路段上游車流量間的關系。4.4問題四的模型建立與求解依照4.1.3的模型，由于題目要求“視頻1中的交通事故所處橫斷面距離上游路口變為140米，路段下游方向需求不變”，故可認為此時事故橫截面流出的車輛數為19輛/min。又，題目給出“路段上游車流量為1500pcu/h”，相當于給出了單位時間內路段上游車流量的期望，為25輛/min（1500/60=25）。依照問題三的模型，由于每分鐘車隊車輛變化數，則可以得到每分鐘車隊車輛變化數的概率分布列為：利用MATLAB可得到此分布列的數值（具體程序及結果見附錄14、15）。如圖

27、，編寫程序（具體程序參見附錄X），產生的泊松分布隨機數作為模擬程序每分鐘進入隊列車輛數，事故橫截面流出的車輛數定為19輛/min。記錄車隊車輛累計數，。根據，得到車隊長度，若，則記錄所經歷時間，跳出再進行下一次循環。每測算出2000次堵到路口的時間計算一次的期望，共計算20次t的期望，可得到如下圖：由圖可以看出，堵到140m的時間t在7.2min附近波動。由MATLAB計算可知，t的期望為7.2135min。五、模型評價優點模型 = 1 * ROMAN I簡化了對實際通行能力的計算，且檢驗后接近視頻中的數據；模型 = 2 * ROMAN II直觀地反映了隊伍長度、道路通行能力的變化過程；模型

28、= 3 * ROMAN III基于隨機過程，建立在視頻1中大量數據的分析的基礎上進行統計學分析處理而得，所求得的結果偶然性較小。缺點三個模型對數據的依懶性很大，且數據都來源于對視頻的觀察，因此誤差較大；忽略了小區駛出車輛的插隊行為對整個隊列產生的影響；模型都是基于離散的時間點，不具有連續性。六、參考文獻1李冬梅，李文權.道路通行能力的計算方法J.河南大學學報（自然科學版）.2002(2):1-4.2黃華華，菜冬軍.車頭時距對道路通行能力的修正系數研究A.城市交通.2011（6）3陳寬民，嚴寶杰.道路通行能力分析.人民交通出版社.2003.10.第26、38頁。4百度百科 2013.9.13訪問

29、5百度文庫/view/34b67ef8240c844769eaeefa.html 2013.12.25 訪問附錄1視頻1車輛經過事故發生橫截面的速度 秒 速度m/s分0-2020-4040-604210.32.45432.452.452.45442.82.11.75451.751.752.1462.452.451.75471.752.1482.82.12.45492.45502.12.45512.12.11.75522.452.12.45531.752.45542.82.1551.752.82.1569.7注：空處表示視頻數據缺損2視頻1事故所處截面實際通行能力 秒 分0-2020-4040-

30、60421670.4873481231.455511431231.4555111231.4555111231.455511441328.4731781118.390179987.455087445987.4550874987.45508741118.390179461231.4555111231.455511987.455087447987.45508741118.390179481328.4731781118.3901791231.455511491231.455511501118.3901791231.455511511118.3901791118.390179987.4550874521

31、231.4555111118.3901791231.45551153987.45508741231.455511541328.4731781118.39017955987.45508741328.4731781118.390179561691.692497注：空處表示視頻數據缺損3 注：由于篇幅過長，故此附錄略4視頻1、2密度隨時間變化的matlab作圖程序t1=38 39 40 43 44 45 46 47 48 50 51 52 53 54;%t1為分鐘時刻，t2同tt1=t1-38;%tt1為視頻開始計時后的時刻tt2同den1=0.032117432 0.017664587 0.028

32、905688 0.088611111 0.03125 0.075 0.042777778 0.072916667 0.058055556 0.127777778 0.1025 0.194444444 0.123529413 0.177333312; t2=32 34 35 36 37 38 39 40 41 42 43 45 47 48 49 50 51 52 53 54 55 56 57 58 59;tt2=t2-29;den2=0.032951 0.052777778 0.083333333 0.058333333 0.086666667 0.054305556 0.0475 0.0472

33、22222 0.094722222 0.093888889 0.0625 0.075 0.07125 0.077777778 0.108611111 0.172083333 0.158333333 0.144444444 0.124027778 0.186388889 0.119583333 0.131388889 0.160416667 0.165277778 0.192638889; figure(1);plot(tt1,den1);title(video1 dentity-time);xlabel(time);ylabel(dentity); figure(2);plot(tt2,den

34、2);title(video2 dentity-time);xlabel(time);ylabel(dentity);5視頻2車輛經過事故發生橫截面的速度 秒 速度分0-2020-4040-60349.619.613.3753537.53.753669.617.5373.3757.553867.53.75397.57.53.75409.619.616.8419.61334233.753.375433.757.56.8449.619.615.67454.866.83465.677.59.61479.619.61448333492.833502.82.82.8512.452.82.8522.452

35、.82.45532.452.452.45542.452.83.15552.452.452.8562.452.83.15572.452.452.45582.452.452.45592.452.452.8002.12.12.45012.452.452.8022.82.83.156視頻2事故所處截面實際通行能力 秒 分0-2020-4040-60341694.670821694.670821457.505275351377.3737941740.2581341524.12195361722.8917771694.670821740.258134371457.5052751740.2581341668

36、.971126381722.8917771740.2581341524.12195391740.2581341740.2581341524.12195401694.670821694.670821739.500088411694.670821377.3737941377.373794421377.3737941524.121951457.505275431524.121951740.2581341739.500088441694.670821694.670821709.794193451657.6495331739.5000881377.373794461709.7941931740.2581

37、341694.67082471694.670821694.670821561.866705481377.3737941377.3737941377.373794491328.4731781377.3737941377.373794501328.4731781328.4731781328.47317851 1231.4561328.4731781328.473178521231.4561328.4731781231.456531231.4561231.4561231.456541231.4561328.4731781411.163737551231.4561231.4561328.4731785

38、61231.4561328.4731781411.163737571231.4561231.4561231.456581231.4561231.4561231.456591231.4561231.4561328.473178001118.3901791118.3901791231.456011231.4561231.4561328.473178021328.4731781328.4731781411.1637377注：此附錄數據過長，為減省篇幅，故略8視頻1事故發生后，每20s事故橫截面流出的車輛數0-20s20-40s40-60s42min-743 min77744 min86545 min

39、55546 min77547 min5648 min86749 min7-50 min-6751 min66552 min76753 min67-54 min-8655 min6869視頻一每分鐘入口1、2、3進入車輛數分鐘時刻入口1進入車輛（/輛）入口2進入車輛（/輛）入口3進入車輛（/輛）16:39111116:40181116:41200116:42-16:43131416:44141116:45141116:4692116:47192216:48162216:49-16:50203216:51232316:52170216:5320-16:54143216:5593310每5分鐘為一組計算視頻1、2中 的分鐘時刻16:4117.2516:4616.616:5319.217:3318.833317:4120