全文总字数：3071字

1. 研究目的与意义

研究目的：通过对交通流速度分布的研究，建立能描述实际交通一般特性的交通流模型；揭示不同区间段所对应的速度分布的基本规律，指导交通工程部门规划、设计和管理。

研究意义： 通过对交通流速度分布的研究，应用数学知识对其各项参数进行分析，可以了解交通的动态特征，为交通建设与管理提供依据，为设计新交通设施和确定新的交通管理方案提供交通流的某些具体特性的预测，并能利用现有的依据以及假设依据，做出预报。

2. 国内外研究现状分析

1、国内研究现状

2000年，王炜[1]等人在《交通工程学》一书中总结与吸收了国内外近年来交通系统规划、设计与管理的最新研究成果和实践经验。考虑到交通工程学科综合性、系统性、交叉性等特点，注重交通工程基本概念、基本理论及基本方法的阐述，并简要介绍国内外交通工程研究的最新动态，着重阐述了交通系统中人车路及交通流的基本特性、交通调查与分析技术、交通流理论以及道路与交叉口通行能力。 2004年，陈盛[2]在《城市道路交通流速度流量实用关系模型研究》中通过对实测的交通流数据的研究，提出由于我国城市道路因交通组成复杂、道路条件差异较大、横向干扰大等原因，国外的交通模型在我国并不使用，因此在应用这些模型时要先对其进行适当的修正。 2005年，王晓原[3]等人在《非参数小波算法的交通流预测方法》中提到及时准确地进行交通流短时预测是智能交通系统研究的关键内容之一。随着预测时间跨度的缩短,交通流量的变化显示出的不确定性越来越强,使得一般方法的预测精度降低。其应用非参数回归理论并结合小波分析算法,将交通流数据按不同频道分解,然后重构信号时舍去噪音频道,得到光滑的交通信号曲线,进而利用非参数方法中的最近邻规则对未来交通流进行预测。 2006年，刘海红[4]等人在《交通流量变模式辨识的非参数概率变点模型》文献中指出交通流状态辨识是智能运输系统研究的一个重要内容。以往算法主要集中在交通流预测和交通流实时辨识的研究上,却忽略了对交通流关键参数的辨认。依据交通流理论,结合非参数变点统计方法,以在淄博市世纪路调查获得的自由车流数据的研究为例,首次建立对交通模式量变识别的非线性概率变点模型,对变点存在与否进行假设检验,并对变点发生位置的搜索算法作了详细研究。 2007年，关伟[5]等人在《基于统计特性的城市快速路交通流状态划分》中提到由于城市快速路承担大量交通需求,快速路上的交通拥挤问题在国内许多大城市中愈发严重。其对无交通事故发生、非恶劣天气情况条件下的正常城市快速路交通流进行研究。对交通流不同密度下的速度分布进行统计分析,从概率曲线的形状等方面验证了速度分布的特性。在此基础上,依据实证数据对城市快速路交通流的状态进行了划分,得到各相位边界函数。通过对交通流分布的pdf的研究得出当交通流处于自由流状态时,存在两种驾驶行为:（1）习惯倾向型；（2）高速倾向型。而实际速度分布的pdf 是这两种驾驶行为速度分布叠加的结果。 2009年，郑滨[6]等人在《基于数据挖掘的上海交通流数据特征分析》中指出：随着经济的不断发展, 海上交通日趋繁忙, 从而导致交通流量大幅度增加。在一些流量密集的航道上, 由于通航船舶数量多、种类杂, 使得该区域的交通特征复杂而且不荣易识别, 为海上交通管理带来不少困难。为了解决这一问题，其运用weka软件对一条海上航道的交通流数据集进行的数据挖掘实验, 得到了其交通特性信息, 为海上交通的有效管理提供决策依据。通过这些决策依据海上交通管理部门可以根据交通流分布结果, 制定出有效的通航方案, 保障航道内船舶交通的畅通和安全。例如根据船舶吨位以及船舶类型指定不同的进、出航道的时间等。也可按照交通流的特征信息, 来制定不同的航道维护方案, 提高效率, 减少对正常交通流的影响。 2009年，许兆霞[7]等人在《基于数据挖掘技术的交通流数据分析研究》中提到数据挖掘是从大量的、不完全的、随机的数据中,提取隐含在其中的人们事先不知的但又是潜在有用的信息和知识的过程。它汇聚了不同领域的知识和技术,如数据库、数理统计等方面。通过基于数据挖掘的单点和路网短时交通流预测、单路口tod控制改进、路段之间流量关系的分析得出：（1）通过对历史数据的分析能够预测下一个时间间隔的交通流状况,可为交通流诱导打下基础；（2）通过对路口流量历史数据的聚类分析可得出单路口tod控制算法的最优分段和各时段中最优控制参数,从而达到优化单路口控制算法的控制效果；（3）通过对路段流量历史数据间的关联分析,可得出路段间的关联规则,从而可由一个路段的流量推断其关联路段的流量,能够提高预测算法的效率,减少计算时间,增强算法实时性,为实时交通流诱导和信息发布提供实时依据。 2010年，付宇[8]在《交通流模型变点统计方法》中提出由于受到数学模型的限制，以往的交通流模式识别算法更多集中在交通流预测与实时辨识之上，却忽略了对交通流状态量变规律的研究。量变是质变的必要与前提，因此对交通流量变规律的研究有着非常重要的意义。 2011年，王祺[9]等人在研究中对不同车头间距下的交通流的速度分布进行了详尽的分析。认为在传统交通流中，一般情况下用确定性的函数来描述宏观的速度-密度之间的关系，但是实际上，交通流存在着相当大的波动性和随机性。在现实中, 由于不同驾驶员之间行为的不同, 当车辆距离前车间距相同时, 驾驶员在不同时刻也会采取不同的驾驶方法。因此, 在足够长的观测时间和足够多的观测样本中, 车头间距和车辆速度应服从某种联合分布。通过ngsim数据预处理，他们得出了结论：在车头间距＞9m的情况下，车辆速度服从对数正态分布；而在车头间距＜9m的情况下，车辆速度服从负指数分布。 2012年，徐程[10]在《基于高斯混合模型的车辆自由流速度分布》中指出一般情况下可以认为车辆自由流速度近似服从正态分布。然而，由于受到不同道路车道宽度、交通状态、车型构成等因素的影响，车辆速度分布也会有着很大的变化。通过对大小型车辆的车辆比例、速度均值以及速度标准差进行研究，得出在城市道路中由于存在比例较大的大型车辆，从而使得自由流速度均值降低。通过高斯混合模型能够有效的区分不同类型车辆的速度分布，可以为区分车辆类型、为不同类型的车辆制定不同的限速标准提供依据。 2013年，曹亚康[11]等人在《城市快速路交通流速度-密度模型的研究》中指出传统的交通流理论分为两个交通相：自由流相和堵塞流相。传统交通流模型假设交通流的基本图落在单一曲线上，一个密度下只能有一个稳态的流量，流量和密度之间的关系是单值对应关系。其对北京市快速环路的交通流数据进行研究，研究基于四相交通流理论的城市快速路交通流基本图。提出了各交通流相位分界点的确定方法，并且按照交通流状态分相位拟合得到速度- 密度函数，结合流量、速度和密度的关系，推导出流量- 密度关系模型，并得出以下结论：(1) 不同密度下速度分布的标准差是自由流与谐动流的分界点，而速度跃迁点是谐动流与同步流的分界点；(2) 自由流、谐动流与同步流状态下的速度-密度函数分别对应为一条水平线、一条直线和一条指数曲线。 2013年，董春娇[12]等人在《基于实测数据的快速路路交通流参数模型》中指出现有的交通流参数模型都是根据高速公路中的交通流来进行研究的，而城市快速路的情况与高速公路有着明显的差异，因此高速公路的现有交通流模型无法表述城市快速路的交通流模型。根据城市快速路的交通流数据，对城市快速路的速度-占有率模型、交通流率-占有率模型和速度-交通流率模型进行线性回归分析，并应用最小二乘法进行参数估计。结果表明速度-占有率之间有着显著的负相关关系；交通流率-占有率之间可进行线性变换，并建立二次回归模型来拟合而速度-交通流率之间可以通过以上两种模型进行叠加求解来建立。 2014年，金晓琼[13]等人在《不同交通流状态下的车头间距分布》中考虑不同车辆类型对车头间距的影响，提出了混合分布模型；用正态分布对非自由行驶的车辆拟合，用负指数分布对自由行驶的车辆进行拟合，另外用复合分布模型对单车道上的交通流进行了验证；同时在双车道公路上进行了研究，建立了以负指数分布与爱尔朗分布相结合的复合分布模型。通过对不同交通流状态下的车头间距的分析得出：在交通量很小的情况下，车辆属于自由流状态行驶，车头间距分布平均，然而随着车量的增加，车头间距的分布也会呈先一定变化；随着车流量的进一步增加，从稳定流开始车头间距属于移位负指数分布，至稳定流后期车头间距分布只有部分属于移位负指数分布；稳定流后期，车流量很大并变得拥挤时情况复杂，用负指数与移位负指数来表示就有一定的局限性。 另外，国内其他研究人员在对交通流的研究中，也取得了较为丰硕的成果。

2、国外研究现状

3. 研究的基本内容与计划

研究内容：

（1）、调研交通流中速度-密度关系的各种模型的研究现状；

（2）、应用spss或者matlab统计软件对现有的交通流数据进行聚类分析，并针对不同密度区间段所对应的速度概率分布曲线，对每一个密度区间段的速度分布规律进行分析

4. 研究创新点

运用SPSS或者MATLAB统计软件对现有的数据进行聚类分析，得出速度-密度之间的关系，获得不同密度区间段内交通流速度分布的概率分布曲线。