4交通流理论.doc

第四章交通流理论
交通流理论（Traffic Flow Theory）是研究交通流随时间和空间变化规律的模型和方法体系，被广泛应用于交通系统规划与控制的各个方面。前言部分是否过于简单，与其他章节不协调

第一节 交通流理论的发展历程

在本节中，我们一起回顾交通流理论的发展历程。交通流理论的兴起大致在20世纪30年代，在20世纪50年代到60年代经历了繁荣和快速发展，70年代以后，主要是对既有理论的发展完善和应用拓展。

一、交通流理论的萌芽期
萌芽期从20世纪30年代到第二次世界大战结束。由于发达国家汽车使用和道路建设的发展，需要探索道路交通流的基本规律，产生了研究交通流理论的初步需求。Adams在1936发表的论文中将概率论用于描述道路交通流，格林息尔治（Greenshields）在1935年开创性提出了流量和速度关系式（也就是格林息尔治关系），并调查了交叉口的交通状态。

二、交通流理论的繁荣期
繁荣期从第二次世界大战结束到20世纪50年代末。汽车使用显著增长和道路交通系统建设加快，应用层面对交通特性和交通流理论的研究提出了急切需求。此阶段是交通流理论最为辉煌的时期，经典交通流理论和模型几乎全部出自这一时期。交通流理论中的经典方法、理论和模型相继涌现，如车辆跟驰（Car-following）模型、车流波动（Kinematic Wave）理论和排队论（Queuing Theory）。
这一时期群星闪耀，许多在自然科学其他领域中的大师级人物（如数学家、物理学家、力学家、经济学家）都投入到交通流理论的研究中，其中不乏诺贝尔奖金的获得者，如1977年的诺贝尔化学奖获得者伊利亚•普列高津（Ilya Prigogine）。著名人物有赫曼（Herman）、鲁切尔（Reuschel）、沃德卢普（Wardrop）、派普斯（Pipes）、莱特希尔（Lighthill）、惠特汉（Whitham）、纽维尔（Newell）、盖热斯（Gazis）、韦伯斯特（Webster）、伊迪（Edie）、福特（Foote）和钱德勒（Chandler）。
距今六十多年过去了，前辈当初是如何创建交通流理论已经变得有些模糊，交通流理论的先驱之一Newell为此特意撰了一篇论文《Memoirs on Highway Traffic Flow Theory in the 1950s》，刊登在运筹学的顶级刊物《Operations Research》2002年第1期上（交通流理论的许多早期成果都发表于这本刊物），回顾大师们是如何投身到这一崭新的领域中来，沿用至今的方法和模型当初是如何建立的。以下我们摘录一部分。
1952年，Wardrop在其论文中提出了“用户最优”与“系统最优”，也就是我们在交通系统规划四阶段法之交通分配中广为应用Wardrop第一平衡原理和第二平衡原理。1954年，美国Brown大学应用数学的著名教授William Prager，做了公路交通“流体理论”的讲演，他所描述的理论实质上是后来Lighthill和Whitham（1955）发表的著名论文中的内容。1954年，Edie 在《Operations Research》上发表了公路收费站延误的论文。1955年，Newell一篇关于低密度交通的论文发表在《Operations Research》。1955年，Lighthill （一位流体力学、空气动力学等领域的世界权威）和Whitham将交通流比拟为流体，提出了流体力学模拟理论（或称车流波动理论），而在1956年Richards提出了类似的激波理论。1955年，Daniel Gerlough发表了一篇用Poisson分布描述交通的论文，倡议公路研究委员会（Highway Research Board（HRB），即后来的TRB）成立交通流理论学会。1958年，Chandler、Herman和Montroll共同发表了关于车辆跟驰模型的论文，Kometani和Sasaki同年在日本的运筹学杂志提出了类似理论。1958年，英国道路研究实验室（RRL）（即现在运输与道路研究实验室（TRRL））的Webster借助于数值模拟和曲线拟合得到了固定周期交通信号灯的延迟时间公式。而经济学家Beckmann等人则研究交通经济，推广了Wardrop的研究，并更注重收费政策，并在1955年由耶鲁大学结集出版。
交通流理论的学术交流活动也日益频繁。许多交通流理论的早期论文都在《Operations Research》发表，《Operations Research》关于交通问题的特刊在1964年出版，而由美国运筹学会主办、Robert Herman任主编的高水平交通研究杂志《Transportation Science》也在1966年创刊。在Robert Herman的倡导和积极组织下，第一届交通流理论国际会议（First International Symposium on the Theory of Traffic Flow）于1959年12月在通用汽车研究实验室召开。以后发展为运输和交通理论国际会议（International Symposium on Transportation and Traffic Theory，简称ISTTT），这是代表交通流理论研究最高水平的学术会议，最近一次的19届ISTTT会议将于2011年7月在美国伯克利召开。其他交通领域的学术会议相继召开，例如每年一次的美国交通委员年会（Transportation Research Board （TRB） Annual Meeting）也是很有影响力的大型会议，最近一次的第89届年会于2010年1月在美国首都华盛顿召开。

三、交通流理论的成熟期
成熟期从1959年开始至今，随着汽车的普及，各国大中城市陆续出现愈来愈严重的交通问题，需要交通流理论提供技术和方法上的指导，这个期间交通流理论发展成熟并应用到实际中，交通流理论已经是设计、运营和研发先进交通系统所需理论、技术和流程的基础。
经典交通流理论主要包括概率统计模型、跟驰模型、排队论模型和车流波动理论等，以概率统计、微积分模拟交通流，模型的假设条件比较严，物理意义明确，建模过程严谨。但正如Newell在其回顾论文中所讲的那样，交通流理论发展在20世纪60年代达到高峰，而在70年代以后则跌入了低谷。这是因为，对交通流理论做出杰出贡献的有数学家、统计学家、物理学家、经济学家等，他们在各自领域内都已经是世界知名的权威学者了，在发现交通问题的复杂、新颖和挑战后，试图将自己娴熟的那些专业方法应用到交通问题上。那些方法可以应用到一些特殊的情形，但却不像一般交通问题的解。在方法用完以后，那些人又回到了以前的研究领域，很少人继续在交通流理论领域深入下去，也没有试图去开发解决交通本身独特问题所需的新方法。Newell对随机过程、常规排队论、控制论、经济理论等常见手段提出了有保留的看法，认为交通流理论的大发展需要新的思想和技巧。
时至今日，借助于先进的计算机技术，对交通流复杂性的解析愈来愈深入，例如近年应用较多的元胞自动机（Cellular automata，简称CA）建模。元胞自动机应用于交通建模在20世纪50年代就提出了，但直到近十多年才被大量运用。元胞自动机采用离散的时空和状态变量，设定车辆运动的演化规则，通过大量的样本平均来揭示交通运行规律，避免了离散—连续—离散的近似过程，抓住交通元素的离散特性。元胞自动机模型一方面保留了交通这一复杂系统的非线性行为和其他物理特征，同时也更易于计算机操作，并能灵活地修改其规则以考虑各种真实交通条件。

四、杰出人物简介
为交通流理论发展做出杰出贡献的人物很多，我们下面仅介绍Robert Herman（罗伯特•赫曼）和Denos C. Gazis（德诺斯•盖热斯）
1.Robert Herman（罗伯特•赫曼）
Robert Herman（1914—1997），美国纽约人。在纽约城市大学获得物理学学士学位，在普林斯顿大学获得物理学硕士和博士学位。其后，他在约翰霍普金斯大学的应用物理实验室工作，离开后到马里兰大学任物理访问教授。1956年他加入通用汽车公司研究实验室，并先后担任了科学基础知识研究组的副主席、理论物理部主管、交通科学部主管，直至1979年。1979年他成为得克萨斯大学统计力学研究中心的物理教授和土木工程系的L.P.Gilvin教授。
交通学科界普遍认为Robert Herman是交通科学的鼻祖。他对交通科学的贡献贯穿于这门新兴学科发展的头40年。利用自身的物理学背景，他首次描述了微观交通行为。在20世纪50年代末和60年代初，他与Elliott Montroll及其他学者合作提出了交通流跟驰理论。随后他又与Ilya Prigogine合作提出了多车道交通流的车流波动理论。20世纪70到80年代，他主要潜心于与Ilya Prigogine合作建立的城市交通流二维流体力学模型。进入90年代后，他主要把精力放在城市基础设施和复杂动态系统演进这两个问题。
Robert Herman由于和Ralph Alpher 和 George Gamow共同提出了宇宙的演化模型即“宇宙大爆炸”理论而闻名世界。这一理论预测了宇宙微波背景辐射的存在，多年以后得到证实。Robert Herman发表了大量有影响力的学术成果，是车流波动理论的合作者，担任《Transportation Science》的创始主编。1959年他发起的ISTTT会议，如今已是交通领域最高级别的学术会议。1978年由于他对汽车交通科学的杰出贡献被选为美国工程院院士，1979年他被推选为美国艺术和科学学院的数学和物理科学院士，一生获得许多大奖。
2. Denos C. Gazis（德诺斯·盖热斯）
Denos C. Gazis（1930-2004）是交通学科发展的主要先驱之一，1957年从美国哥伦比亚大学获得工程科学博士学位，在通用汽车的研究实验室工作至1961年，然后加入到IBM的研究实验室。
Denos C. Gazis提出了交通科学的实验性本质，主要用意在于避免科研工作者在研究交通问题时“先有答案、再找问题”，而是应该通过实验找出规律，再用最适合描述该规律的模型去描述它，从而避免用想象中的模型去套用实验结果。早期Denos C. Gazis在通用汽车由Robert Herman领导的团队中从事交通流模型的研究，期间他与Rothery及其他同事一道为交通流模型的实验和理论作出了巨大的贡献。他的主要贡献在于建立了单个车辆的微观模型和宏观交通流模型之间的联系，并且刻画了不同跟车模型的稳定性。1959年由于这一贡献，他获得了运筹学Lanchester大奖。
Denos C. Gazis普遍被认为是“智能交通之父”，他首先提出在交通系统中使用计算机、传感器以及各种先进的通信技术。早在20世纪60年代，他就预见到计算机、传感器和通信技术在交通系统运营中的角色，离开通用汽车后，他加入到IBM的研究实验室，从事将计算机辅助的实时技术应用到交通科学领域。
Denos C. Gazis是《Transportation Science》的创始人之一，在1983年至1986年间，出色地担任了该杂志的主编。他一生中撰写并出版了大量学术著作，其中最为著名的就是《Traffic Theory》一书，包含交通流理论、孤立交叉口延迟问题、交通控制以及交通分配这四部分内容。

第二节 概率统计模型

概率统计模型是交通流理论中经常应用的模型，为描述和解决交通中的随机性问题提供了有效手段。例如，用离散型分布描述车辆到达的分布，用连续分布描述车头时距的分布。本节将介绍常用的离散型分布和连续型分布。
一、离散型分布
有些随机变量，它的全部可能取到的值是有限个或可列的无限多个，如某路段一月内发生的交通事件数，某机场入口1小时内到达的乘客数，某交叉口引道直行车辆在信号周期内的到达数等，这种随机变量称为离散型随机变量。要掌握离散型随机变量X的统计规律，就必须且只需知道X的所有可能取值以及相应的概率。设离散型随机变量X所有可能取值为xk （k = 1, 2,…），X取各个可能值的概率，即事件（X = xk）的概率，为
， k = 1, 2, … (4-1)
按概率的定义，pk满足下面的条件
, k = 1, 2, … 且 (4-2)
称式(4-2)为离散型随机变量X的概率分布，简称离散型分布。
若级数绝对收敛，则称其为离散型随机变量X的数学期望，数学期望简称为期望，又叫做均值，记为
(4-3)
若存在，称其为X的方差，随机变量方差表示X的取值与其数学期望的偏离程度，记为Var(X)，即
(4-4)
计算方差时常用下面的式子
(4-5)
对于离散型随机变量
(4-6)
离散型分布常用于描述一定时间间隔内事件的发生数。交通系统规划与控制中常用的离散型分布主要有泊松分布、二项分布和负二项分布三种。

（一）泊松分布
泊松（Poisson）分布是最常用的离散型分布，其分布函数如下
(x= 0, 1, 2, …) (4-7)
式中：P(X=x)——在计数时间间隔T内，事件X发生x次概率；
——单位时间内事件的平均发生次数；
T——计数时间间隔。
令，表示计数时间间隔T内事件的平均发生次数，则(4-51)式为
(x= 0, 1, 2, …) (4-8)
并有递推式成立
, x= 0 (4-9)
, x≥1 (4-10)
假定事件为T内到达的车辆数。时间T内到达车辆数小于x的概率
(4-11)
时间T内到达车辆数小于或等于x的概率
(4-12)
根据式(4-56)，时间T内到达车辆数大于x的概率
(4-13)
时间T内到达车辆数大于或等于x的概率
(4-14)
时间T内到达车辆数大于等于x且小于等于y的概率
(4-15)
泊松分布具有非常好的性质，它的数学期望和方差都等于m。用泊松分布拟合观测数据时，均值E(X)和方差Var(X)分别由样本均值和样本方差s2估计。
(4-16)
(4-17)
式中：n——观测数据分组数；
fi——时间T内，事件X发生xi次的频率；
N——观测数据的总数。
由于样本均值和样本方差s2是无偏估计，所以当显著不等于1，则说明不适合用泊松分布拟合。在道路交通中，泊松分布适合拟合车流密度不大、其他外界干扰因素基本不存在的情形。

【例4-1】
已知某公路的一个方向的车流量为1080辆/h，车辆到达符合泊松分布。求在1秒、2秒、3秒时间内有车的概率。

【解】
在1秒平均到达的车辆数 辆

在2秒平均到达的车辆数 辆

在3秒平均到达的车辆数 辆

（二）二项分布
二项分布的分布函数为
(x = 0, 1, 2, …) (4-18)
式中：p, n——二项分布的参数，，n为正整数；
。
有递推式成立
, x= 0 (4-19)
, x ≥ 1 (4-20)
根据二项分布，到达车辆数小于x的概率
(4-21)
到达车辆数大于x的概率
(4-22)
当X服从二项分布时，其均值和方差分别为
(4-23)
(4-24)
由样本均值和样本方差s2估计参数如下
(4-25)
（取整数） (4-26)
由于样本均值和样本方差s2是无偏估计，所以应有＜1，据此可初步判断能否应用二项分布。二项分布比较适合拟合拥挤的交通流。

【例4-2】
某十字交叉口，观测一个周期内其南进口的右转弯车辆到达数，发现来车服从二项分布，每个信号周期内南进口到达30辆车，其中左转、直行和右转的比例为20%、60%、20%。试计算到达10辆车中有1辆和2辆右转车的概率。

【解】
由于右转弯车辆到达服从二项分布

到达10辆车中有1辆右转车的概率为

到达10辆车中有2辆右转车的概率为

（三）负二项分布
负二项分布的分布函数为

(x = 0, 1, 2, …) (4-27)
式中：p, l—负二项分布的参数，，l为正整数。
有递推式成立
, x = 0 (4-28)
, x≥1 (4-29)
到达车辆数小于x的概率
(4-30)
到达车辆数大于x的概率
(4-31)
当X服从负二项分布时，其均值和方差分别为
(4-32)
(4-33)
由样本均值和样本方差s2估计参数如下
(4-34)
（取整数） (4-35)
因为，所以应有>1，据此可初步判断能否应用负二项分布。负二项分布适合拟合交通数据方差较大，观测过程包括交通高峰期和交通非高峰期的情形。

二、连续型分布
如果对于随机变量X的分布函数F（x），存在非负函数f（x），使得对于任意实数x有
（4-36）
则称X为连续型随机变量，其中f（x）称为X的概率密度函数。例如车头时距观测值就是连续型随机变量。交通系统规划与控制中常用的连续型分布有负指数分布、移位负指数分布、威布尔分布、爱尔朗分布、正态分布、均匀分布等。
（一）负指数分布
负指数分布概率密度函数为
(4-37)
分布函数为
(4-38)
式中：为参数。
用负指数分布描述车头时距时，车头时距h的概率为
(4-39)
(4-40)
式中：为车辆的平均到达率（辆/秒），如果已知流量Q（辆/秒），那么。
当车辆到达（属离散型分布）服从泊松分布时，车头时距（属连续型分布）服从负指数分布，反之亦然。下面说明如何从车辆到达服从泊松分布导出车头时距服从负指数分布。
设对任意的时间间隔t，车辆到达服从泊松分布，由式(4-9)没有车辆到达的概率为

这就是说，在时间间隔t内，前一辆车到达和后一辆车到达之间的车辆头时距大于t，换而言之，P(0) 也就是，于是

（二）移位负指数分布
负指数分布会造成数据出现在0—1.0s的概率较大，在一些场合与实际不符。如拟合车头时距分布时，其概率密度函数随车头时距单调下降的，表明车头时距越短，其出现概率越大，但这与实际不符，因为车头间距最少为一个车身长，车头时距将大于一个最小的正数τ。为了克服这一缺陷，引入一个移位值τ，称为移位负指数分布，这时分布函数为
(4-41)
移位负指数分布概率密度函数为
(4-42)
当移位负指数分布用于描述车头时距时，就可以确保车头时距不小于一个给定值τ，而不至于造成出现在0—1.0s的概率较大。车头时距h的概率为
(4-43)
(4-44)
移位负指数分布的数学期望和方差分别为
(4-45)
(4-46)
用样本均值和样本方差计算得到两个参数的值为
(4-47)
(4-48)
（三）威布尔分布
威布尔（Weibull）分布概率密度函数为
(4-49)
式中：——分别为形状参数、尺度参数和起点参数，均取正数，且。
当时，威布尔分布就是移位负指数分布，当或3时，威布尔分布与正态分布很接近。
分布函数
(4-50)
用其拟合车头时距时，概率
(4-51)
(4-52)
威布尔分布的适用范围较广，交通流中的车头时距分布、速度分布等都可以用它描述，其拟合步骤不复杂，分布函数也较简单，经常用于解决负指数分布或移位负指数分布不能解决的拟合。

（四）爱尔朗分布
爱尔朗（Erlang）分布概率密度函数为
l=1, 2, 3,… (4-53)
分布函数为
(4-54)
式中：为参数。
当l = 1时，爱尔朗分布就是负指数分布；当l = ∞时，爱尔朗分布是均匀分布。在拟合车头时距时，参数l反映了畅行车流至拥挤车流的各种车流情形，l愈大，车流密度愈大，驾驶的自由度愈小。
参数l可以由样本均值和样本方差计算：
(4-55)

三、拟合优度检验
对于观测的交通数据，如何判断其是否服从某种理论分布，分布参数是多少，这就是拟合优度检验。拟合优度检验是非参数检验的一种，其中常用的是检验。原假设H0为车辆到达服从某种分布，构造统计量
(4-56)
式中：fi表示样本在i组的观测频数，Fi表示在i组的理论频数。比较计算值和临界值，如果，则认为车辆到达服从该分布，否则拒绝原假设。
检验需满足下列要求：
① 对观测数据人工分组，分组应连续且分组数不小于5；
② 各组的理论频数Fi不小于5，否则应合并相邻组；
③ 人工确定分布的参数，并计算理论频数；
④ 样本量应足够大。
但对于大量数据的检验而言，检验需要预先计算出理论分布期望值，上述工作将很繁琐。

第三节 排队论

车辆经过站场、交叉口等节点，列车在车站等待进站或出站，在繁忙时段飞机等待起飞和降落，船舶等待码头泊位停靠，行人在地铁车站检票闸机处等待进出，我们都可以观察到交通运输系统中的排队现象。不仅在交通系统中如此，排队在自然现象和社会现象中广泛存在，如在银行、餐厅、商场中的排队，呼叫中心对来电的排队等。概括地讲，排队是因为受到节点通行能力（处理能力）的限制，交通实体不能以畅行速度通过，从而在节点上游形成队列，等待通过（处理）。科学地分析和处理排队，能够增大系统的通行能力，降低交通拥堵，提高交通效率。
排队论（Queuing Theory），也称随机服务系统理论，是数学运筹学的分支学科，是研究服务系统中排队现象随机规律的学科。通过对服务对象到来及服务时间的统计研究，得出某些数量指标（等待时间、排队长度、忙期长短等）的统计规律，然后根据这些规律来改进服务系统的结构或重新组织被服务对象，使得服务系统既能满足服务对象的需要，又能使费用最节省或某些指标最优。排队论广泛应用于计算机网络、生产、运输、库存等各项资源共享的随机服务系统。排队论研究的内容有三个方面：统计推断，即根据资料建立模型；系统的性态，即和排队有关的数量指标的概率规律性；系统的优化问题。其目的是正确设计和有效运行各个服务系统，使之发挥最佳效益。
排队论源起于20世纪初的电话通话服务理论的研究。1909—1920年丹麦数学家、电气工程师爱尔朗（Erlang）用概率论方法研究电话通话问题，从而开创了这门应用数学学科，并为这门学科建立许多基本原则。他在热力学统计平衡理论的启发下，成功地建立了电话统计平衡模型，并由此得到一组递推状态方程，从而导出著名的埃尔朗电话损失率公式。在第二次世界大战期间和第二次世界大战以后，排队论在运筹学这个新领域中变成了重要的内容。20世纪50年代初，大卫·坎达（David G. Kendall）对排队论作了系统的研究，他用嵌入马尔柯夫（A. A. Markov）链方法研究排队论，使排队论得到了进一步的发展。1953年他首先提出3个字母组成的符号A/B/C表示排队系统。其中A表示顾客到达时间分布，B表示服务时间的分布，C表示服务机构中的服务台的个数。

一、基本概念
1. “排队”与“排队系统”
“排队”指等待服务的客户（如车辆、行人），不包括正在被服务的客户。
“排队系统”既包括等待服务的客户，又包括正在被服务的客户。
2. 排队系统构成
排队系统由三部分组成：输入过程、排队规则和服务方式。
（1）输入过程
输入过程是指服务客户的到达规律，常用有：
定长输入—客户等时距到达，服从均匀分布；
泊松输入—客户到达服从泊松分布或到达时距服从负指数分布，这种输入应用最广泛；
爱尔朗输入—客户到达时距服从爱尔朗分布。
（2）排队规则
排队规则指到达客户接受服务的规则，常用有：
损失制—客户到达时，若所有的服务台均被占用，客户就随即离开，不再返回；
等待制—客户到达时，若所有的服务台均被占用，就排队等候服务，服务规则有先到先服务（即按到达先后次序服务）和优先服务（如急救车、消防车）等；
混合制—客户到达时，若队长小于L，就排队等候；若队长大于L，客户就随即离开，不再返回。
（3）服务方式
指同一时刻有多少服务台接待客户，为每一客户服务多长时间。服务时间的分布主要有：
定长分布服务—每一客户的服务时间相等；
负指数分布服务—各客户的服务时间相互独立，服从相同的负指数分布；
爱尔朗分布服务—各客户的服务时间相互独立，服从相同的爱尔朗分布。
为表述方便，引入记号：M表示泊松输入或负指数分布服务，D表示定长输入或定长分布服务，Ek为爱尔朗输入或爱尔朗分布服务。泊松输入、负指数分布服务、N个服务台的系统就可记为M/M/N。如不特加说明，排队规则都指先到先服务和单个客户服务的等待制系统。
3. 排队系统的评价指标
（1）排队长度：可分为系统内的客户数和排队等待服务客户数；
（2）等待时间：从客户到达直至开始接受服务的时间；
（3）忙期：服务台连续繁忙的时间。

二、M/M/1系统
M/M/1系统是指泊松输入、负指数分布服务、1个服务台的排队系统，由于服务的通道仅有一条，也称为“单通道服务系统”（图4-9）。

图4-9 单通道服务系统
设客户的平均到达率为λ，两次到达之间的平均时间间隔就是1/λ。设服务率为μ，平均服务时间就是1/μ。称为交通强度或利用系数。若，表示到达率大于或等于服务率，排队会愈来愈长，系统处于不稳定状态；若，表示到达率小于服务率，系统才处于稳定状态。因此，单通道排队系统保持稳定即排队能够消散的条件就是（）。M/M/1系统的计算公式如下：
系统中没有客户的概率
(4-57)
系统中有n个客户的概率
(4-58)
系统中的平均客户数
(4-59)
平均排队长度
(4-60)
排队系统中的平均消耗时间
(4-61)
排队中的平均等待时间
(4-62)

【例4-3】
某居住小区只有1个出口，采用人工收费，假定车辆到达服从泊松分布，服务时间可用负指数分布表示。到达率为180辆/小时，收费平均需时12秒。试计算系统中没有车辆的概率、系统中有n辆车的概率、系统中的平均车辆数、平均排队长度、平均消耗时间、排队中的平均等待时间。
【解】
由题意可知，这是M/M/1系统，到达率辆/小时，服务率辆/小时。

所以系统稳定。
系统中没有车辆的概率

系统中有n辆车的概率

系统中的平均车辆数
辆
平均排队长度
辆
系统中的平均消耗时间
秒
排队中的平均等待时间
秒

三、M/M/N系统
M/M/N系统是指泊松输入、负指数分布服务、N个服务台的排队系统，由于服务的通道有N条，又称为“多通道服务系统”。M/M/N系统分为单路排队多通道服务系统和多路排队多通道服务系统两类。
1. 单路排队多通道服务系统
指排成一队等待多条通道服务，队列中排在首位的客户可视哪个通道有空就到那里去接受服务，如图4-10所示。稳定性条件为。

图4-10 单路排队多通道服务
2. 多路排队多通道服务系统
每个通道各排一队，每个通道只为排在其中的这队客户服务，客户不能调换队列（图4-11），这其实相当于N个M/M/1组成，稳定性条件是每个通道的，计算公式也由上面M/M/1系统给出。

图4-11 多路排队多通道服务
单路排队多通道服务的M/M/N系统，计算公式如下：
系统中没有客户的概率
， (4-63)
系统中有K个客户的概率
(4-64)
(4-65)
排队系统中的平均客户数
(4-66)
平均排队长度
(4-67)
系统中的平均消耗时间
(4-68)
排队中的平均等待时间
(4-69)

【例4-4】
某地铁站的进站口拥有4台自动检票机，假定乘客到达服从泊松分布，到达率为40人/分钟，每人通过自动检票机的服务时间服从负指数分布，平均耗时3秒。试计算该进站检票系统的服务指标。

【解】
由题意可知，该排队系统可近似模拟为单路排队多通道服务M/M/N系统，且N=4，到达率 人/分钟，服务率 人/分钟，。
由于，因此系统稳定。
系统中没有乘客的概率

平均乘客数
人
平均排队长度
人
系统中的平均消耗时间
分钟 = 3.3 秒
排队中的平均等待时间
分钟 = 0.3 秒
由上述分析可见，该地铁站的进站自动检票机前的排队长度和等待时间均很短，乘客可享受到优质的检票服务。

4.4 跟驰模型
一、引言
跟驰模型是运用动力学方法描述在无法超车的单一车道上车辆列队行驶时，后车跟随前车的行驶状态，车辆跟驰行驶是车流运动的一个重要现象（见图4-1）。该模型有助于理解交通流的特性，同时也是微观交通仿真中的一个重要的模型。

图4-1 交通仿真场景
世界上第一个微观交通模型各自独立由Reuschel（1950）和Pipes（1953）各自独立提出。该模型认为前车和后车之间保持一定的空档，该空档与前车的速度成比例。
车流在运动过程中，最重要的事情是紧随车和前导车要保持一个安全的空间距离。该空间距离主要与车辆行驶速度以及人的反应时间相关，可用下式表达：
（4-1）
其中，为车辆的有效长度；为反应时间；为2倍紧随车车辆最大平均减速度的倒数（前车突然停止）。如果考虑前车不是突然停驶，而是以一定的减速度行驶直到停止，那么可以表达为：
—车辆的有效长度，单位…
（4-2）
该式（4-2）符号未说明
可以反映两辆车在刹车性能上的差别。
如果车流单一，空间距离（）均匀，车流速度（）一致，那么可以导出单个车道的通行能力（）估计值，即
（4-3）
跟驰模型不仅用于分析车头间距的分析，主要从微观角度描述车辆的纵向运动行为，还可以推导出单车道的宏观车流模型。
二、车辆跟驰行为主要特性
跟驰是指车辆在无法超车的单一车道上车辆列队行驶时，后车跟随前车的行驶状态。跟驰状态行驶的车队具有制约性、延迟性、传递性三个主要特性。
（一）制约性
在一队汽车之中，驾驶员总不愿意落后，而紧随前车前进。这就是“紧随要求。”同时，后车的车速不能长时间的大于前车车速，只能在前车车速附近摆动，否则会发生碰撞。这是“车速条件”。此外，前后车之间必须保持一个安全距离，在前车刹车后，两车之间保持足够的距离，从而有足够的时间供后车司机做出反应，采取制动措施。这是“间距条件”。紧随要求、车速条件和间距条件构成了一队汽车跟驰行驶的制约性。即前车车速制约着后车车速和两车间距。
（二）延迟性
从跟驰车队的制约性可知，前车改变运行状态后，后车也要改变。但前后车运行状态的改变不是同步的，后车运行状态的改变滞后于前车。因为驾驶员对前车运行状态的改变要有一个反应过程，需要反应时间。假设反应时间为T，那么前车在t时刻的动作，后车在（t+T）时刻才能做出相应的动作。这就是延迟性。
（三）传递性
有制约性可知，第一辆车的运行状态制约着第2辆车的运行状态。第2辆又制约着第3辆，……，第n量制约着第n+1辆。一旦第一辆车改变运行状态，它的效应将会一辆接一辆地向后传递，直至车队的最后一辆。这就是传递性。而这种运行状态的传递又具有延迟性。这种具有延迟性的向后传递的信息不是平滑连续的，而是像脉冲一样间断连续的。
三、线性跟驰模型
（一）线性跟驰模型推导
跟驰模型是交通仿真中车辆纵向运行的算法。跟驰模型中跟驰车不考虑相邻车道的车辆信息，只考虑与前车的相互作用。图4-2时车辆跟驰运动示意图。
假定司机保持它所驾驶车辆与前导车的距离为，以便在前导车刹车时能使车停下而不至于和前导车尾相撞。这两辆车在时刻的相对位置如图4-2。图中n为前导车，n+1为后随车。两车在刹车操作后的相对位置如下图4-2所示。

图4-2 车辆运行空间距离变化示意图
（—前车长度，m；—车辆n+1在反应时间Δt内行驶的距离，