车道被占用对城市道路通行能力的影响数学建模比赛

2013高教社杯全国大学生数学建模竞赛承 诺 书我们仔细阅读了全国大学生数学建模竞赛章程和全国大学生数学建模竞赛参赛规则（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛网站下载）。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从A/B/C/D中选择一项填写）： A 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： （论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上内容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。） 日期 年 月 日赛区评阅编号（由赛区组委会评阅前进行编号）：2013高教社杯全国大学生数学建模竞赛编 号 专 用 页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：评阅人评分备注全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：车道被占用对城市道路通行能力的影响摘要本文运用数据拟合，多元线性回归分析，样本分析，插值方法，与方差分析等模型，结合MATLAB软件，预测以及分析了在发生车祸时段，车道被占用对城市道路通行的影响，得出了相应的结果，并对结果进行了分析及检验。针对问题一，以得出的数据进行拟合方法一：由视频1可知，在交通事故发生至撤离期间，随着时间的长短变化，事故所处横断面的实际通行能力也在不断变化，所以本文针对此现象收集了不同时间段内的车流量，以车流量的数据组运用MATLAB进行数据拟合，得出的结果与通行能力进行等价比较，发现随着事故发生时间的延长，横断面实际通行能力大体呈递减趋势。方法二：将通行能力分为理想通行能力，设计通行能力及实际通行能力，运用函数关系对采集的数据进行换算，得出不同时间段内的实际通行能力的数据组，并建立模型得出变化过程。针对问题二，以得出的数据进行拟合在视频1中，交通事故所占的车道为左转车道和直行车道，而视频2中，交通事故所占的车道为直行车道和右转车道，本文对两个视频分别采集了事故发生至撤离时间段内车流量以及车速等数据，运用MATLAB分别对两组视频的数据进行了拟合，得到两组数据在总体均值上均存在显著性差异，且第二组的数值大于第一组，从而得到，当同一横断面交通事故所占车道为直行车道和右转车道时，该横断面的实际通行能力大于左转车道和直行车道。针对问题三，运用数据拟合及多元线性回归分析首先从视频1中提取出所需数据，运用函数对其进行处理，得出不同时间段内的车辆排队长度、事故横断面实际通行能力、事故持续时间与路段上游的车辆，使用MATLAB软件对数据组进行多元线性回归分析，得出一个三元一次函数关系模型，此为视频1中交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系式:（1） （2） （1）为方差分析后的结果 （2）方差分析前的结果针对问题四，多元方程求解根据第三问模型可得实际通行能力的平均值，再代入具体数值得出结果，从事故发生开始，经过30.0980（min），车辆排队长度将达到上游路口。最后本文对模型作了误差分析及改进，并进行了评价与推广。关键字：通行能力，数据拟合，多元线性回归分析，Matlab，多元函数拟合问题重述影响道路通行能力的主要因素有道路状况、车辆性能、交通条件、交通管理、环境、驾驶技术和气候等条件。道路条件是指道路的几何线形组成，如车道宽度、侧向净空、路面性质和状况、平纵线形组成、实际能保证的视距长度、纵坡的大小和坡长等。 车辆性能是指车辆行驶的动力性能，如减速、加速、制动、爬坡能力等。交通条件是指交通流中车辆组成、车道分布、交通量的变化、超车及转移车道等运行情况的改变。环境是指街道与道路所处的环境、景观、地貌、自然状况、沿途的街道状况、公共汽车停站布置和数量、单位长度的交叉数量及行人过街道等情况。气候因素是指气温的高低、风力大小、雨雪状况!一、背景资料车道被占用是指因交通事故、路边停车、占道施工等因素，导致车道或道路横断面通行能力在单位时间内降低的现象。由于城市道路具有交通流密度大、连续性强等特点，一条车道被占用，也可能降低路段所有车道的通行能力，即使时间短，也可能引起车辆排队，出现交通阻塞。如处理不当，甚至出现区域性拥堵。车道被占用的情况种类繁多、复杂，正确估算车道被占用对城市道路通行能力的影响程度，将为交通管理部门正确引导车辆行驶、审批占道施工、设计道路渠化方案、设置路边停车位和设置非港湾式公交车站等提供理论依据。二、相关数据1.视频1和视频2中交通事故位置示意图, 见附件1及附件2；2.上游路口交通组织方案图，见附件4；3.上游路口信号配时方案图，见附件5。 三、要解决的问题1.问题一：根据视频1（附件1），描述视频中交通事故发生至撤离期间,事故所处横断面实际通行能力的变化过程。2.问题二：根据问题一所得结论，结合视频2（附件2），分析说明同一横断面交通事故所占车道不同对该横断面实际通行能力影响的差异。3.问题三：构建数学模型，分析视频1（附件1）中交通事故所影响的路段车辆排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间的关系。4.问题四：假如视频1（附件1）中的交通事故所处横断面距离上游路口变为140米，路段下游方向需求不变，路段上游车流量为1500pcu/h,事故发生时车辆初始排队长度为零，且事故持续不撤离。请估算，从事故发生开始，经过多长时间，车辆排队长度将到达上游路口。基本假设1、将路段实际通行能力作为一个整体系统考虑，即不单独考虑具体的某一个时间的 通行能力状态。2、在研究的预测样本期间内没有发生突发时件，如大规模雨雪天气、自然灾难等。3、材料路段中无重型车，将交通流中重型车校正系数设为定值。4、路面的材料影响车轮的摩擦，统一设定路面材料。5、上游路段的车辆流动过程是平稳连续的，没有突变情况出现。6、所给路段中除去规定横断面交通事故，其他路段能正常通行。问题分析一、对实际通行能力变化过程模型的基本理解 道路通行能力是决定城市道路交通的主要因素，由于道路交通的发展变动趋势对城市发展具有重要的影响，因此道路通行能力在城市发展中占有十分重要的地位。由于通行能力模型主要是用来刻画和反映某一路段通行能力随时间的波动变化趋势，它能够对城市交通的实际通行能力变化趋势作出预测，因此建立的模型要符合实际情况的发展。通过查阅相关文献资料，实际通行能力的变化是由车道宽、车道数、行车速度以及连续车流的车头间距三大基本要素所决定的，那么，能力通行模型的研制与设计的关键在于以这三大因素作为评价指标来构建数学模型。例如考虑视频1、视频2的通行能力变化差异。正是考虑到上述因素对通行能力的影响，并通过对题目进行初步的描述性统计分析，我们可以得到诸如不同时间段内车流量变化、车辆排队长度变化等初步信息。在充分理解题意后，我们首先定义了标准车、车道组的绿灯时间、连续车流的车头间距、交叉口间距等指标的含义来解释和刻画通行能力的变动情况，然后分别针对横断面占用车道的不同，建立了初步的通行能力模型。数据拟合的目的是根据实验获得的数据去建立因变量与自变量之间有效的的经验函数关系，多元回归分析能够通过研究自变量的变化规律，预测因变量的变化趋势，将因变量的变化特点添加到模型中考虑。二、对具体问题的分析1、 对视频1的分析 对视频1交通事故发生至撤离这段时间发生变化的数据进行采集并记录，运用excel软件将电瓶车，机动车和公交车的流量按标准车的比例化简后记录，然后对所得出的数据进行处理，从而分析出各类车在一定时间（间隔为二十秒）内于事故所处的横断面的标准车流量，得出实际记录数据（见附录1表格一）和数据变化（见图表一）。图表一2、对视频2的分析 对视频2交通事故发生至撤离这段时间发生变化的数据进行采集并记录，运用excel软件将电瓶车，机动车和公交车的流量按标准车的比例化简后记录，然后对所得出的数据进行处理，从而分析出各类车在一定时间（间隔为二十秒）内于事故所处的横断面的标准车流量，得出实际记录数据（见附录1表格二）和数据变化（见图表二）。 图表二名词解释与符号说明1、 名词解释1、 通行能力：在一定的道路、交通、环境条件下，道路的某一断面或交叉口在单位时间内能通过 最大交通实体数。单位是：辆/h或人/h。2、 标准车：标准车是比中型车大的汽车等级。通常是轮距大于2.79米，或者排量大 3300升的。2、 符号说明1、-一条车道的理想通行能力（pcu/h）2、-一条车道的可能通行能力（pcu/h）3、-一条车道的实际通行能力（pcu/h）4、-行车的速度（km/h）5、-上游车流量(pcu/h)6、-车道组的绿灯时间(s)7、-连续车流的车头间距（m）8、-交叉口影响修正系数9、-交叉口有效通行时间比，信号交叉口即为绿信比10、-交叉口间距（m）11、-自行车影响修正系数12、-车道宽影响修正系数13、-车道数修正系数14、-一条机动车道德宽度(m)15、-饱和连续车流的平均车头时距（s)即最小车头时距16、-单向路线设计通行能力(pcu/h)17、-单向路线理想通行能力(pcu/h)模型的建立与求解一、模型数据的预处理由于首先要采用附件中的数据进行基本统计分析，但原始数据中存在数据缺失和错误的现象（附件也对这一现象作了明确说明）。因此，我们对原始数据进行如下的预处理：首先对于附件一中缺失和明显错误数据（如附件一中各时间段间断数据值）进行调整和处理，对于缺失数据，采用插值法进行补齐：缺失数据；错误数据，对原始数据进行描述性统计，并通过散点图找出原始数据中的奇异点（outlier），并将其剔除。2、 对通行能力的分析1、 理想通行能力 理想通行能力是指在理想的道路与交通条件下的通行能力。 理想条件： 车道宽度3.75m，4.5m； 侧向净宽：1.75m； 全部为小客车； 驾驶员技术熟练，经常行驶该高速公路，遵守 交通法规。2、设计通行能力设计通行能力指的是道路交通的运行状态保持在某一设计的服务水平时，道路上某一路段的通行能力。3、实际通行能力 以理论通行能力为基础，考虑到实际的地形、道路和交通状况，确定其修正系数，再以此修正系数乘以前述的理论通行能力，即得实际道路、交通在一定环境条件下的可能通行能力。3、 对具体问题的模型建立与求解（一）针对问题一方法一：1、问题一的分析 根据视频1可得出实际的通行能力变化过程与车道的数目、车道的宽度、行车的速度等变量有关系，因此须从视频1中采集所需相关数据。2、数据处理（附录1表格三）标准车通行量的换算（如下）：3、模型的建立与求解 （1）.用Matlab画出表格一的散点图如下(见附录2程序1):（2）.对上述散点图进行数据拟合 a、取5次多项式函数(见附录2程序2)：作为拟合函数，建立模型如下：b、程序运行结果如下(见附录2程序2)：p =0.0000 -0.0000 0.0000 -0.0000 0.0008 -0.0161 0.2037 -1.5160 6.0757 -11.4401 15.2413由此得到单位时间段内的通行量与时间的关系：4、结论通过对拟合曲线图的分析得出结论如下：在事故刚发生的时刻，在事故发生的那段时间的车流量增大，导致事故所处横断面实际通行能力呈短时内呈上升趋势，由于三个车道的车辆只能在一个车道上通过，所以通行量就减小，也就是实际通行能力减小，所以呈上升趋势，又由小区路口和红绿灯的影响，导致车流量的减少从而使这段时间内事故所处横断面的实际通行能力呈上升趋势，在某一时段内比较平缓，在事故即将结束时，道路的疏通从而导致事故所处横断面的实际通行能力呈上升趋势。方法二：1、 数据处理 (1)、在理想条件下，车辆以连续车流形式通过时的通行能力。 (2)、城市道路路段设计通行能力 (3)、自行车影响修正系数的确定 a.机、非机动车道之间有分隔带=1 b.机、非机动车道之间无分隔带，但自行车道不饱和=0.8 (注：本文中自行车影响修正系数=0.8) (4)、车道宽影响修正系数的确定 车道宽度对行车速度有很大的影响，其车道宽度影响系数可由下 式确定： (注：本文车道宽影响修正系数=87.5%） (5)、交叉口影响修正系数的确定 (注：交叉口影响修正系数=1） 2、 由表格一的数据处理得如下数据图表如下（见附录1表格四） 3、模型的建立与求解 用Matlab画出表格三的实际通行能力的散点图以及散点图的数据拟合如下(见附录2程序3)： p = -0.0206 0.6027 -2.0441 -65.8628 473.1097 274.2559由此得到单位时间段内的通行量与时间的关系：结果分析：在事故刚发生的时刻，在事故发生的那段时间的车流量增大，导致事故所处横断面实际通行能力呈短时内呈上升趋势，由于三个车道的车辆只能在一个车道上通过，所以通行量就减小，也就是实际通行能力减小，所以呈上升趋势，又由小区路口和红绿灯的影响，导致车流量的减少从而使这段时间内事故所处横断面的实际通行能力呈上升趋势，在某一时段内比较平缓，在事故即将结束时，道路的疏通从而导致事故所处横断面的实际通行能力呈上升趋势。两种模型所得的结果是一致的。（二）、针对问题二方法一：1、问题的分析 根据视频1和视频2的结合可得出实际的通行能力变化过程与事故所占车道不同、车道的数目、车道的宽度、行车的速度等变量有关系，因此须从视频2中采集所需相关数据。2、数据处理（见附录1表格五）标准车通行量的换算（如下）：3、模型的建立与求解(1).用Matlab画出表格二的散点图如下(见附录2程序4)：(2).对上述散点图进行数据拟合a、取5次多项式函数：作为拟合函数，建立模型如下：b、程序运行结果如下(见附录2程序5)：p = 0.0000 -0.0000 0.0015 -0.0483 0.5415 8.236= 0.0000 =-0.0000 0.0015 -0.0483 0.5415 8.236由此得到单位时间段内的通行量与时间的关系：4、结论通过对拟合曲线图的分析得出结论如下： 结合视频1和视频2所占车道不同，导致车流量的变化趋势也不同，从而使得事故所处横断面的的实际通行能力变化趋势不同，由拟合曲线图可知，在刚开始发生事故时，由于车道不同，导致车流量呈上升趋势，从而使得事故所处横断面的实际通行能力呈下升趋势，而在事故发生一段时间后，由于小区路口和红绿灯的影响，导致车流量的增大后又较少，从而导致事故所处横断面的实际通行能力呈下升的趋势后又呈上升趋势，在事故即将结束时，道路的疏通从而导致事故所处横断面的实际通行能力呈上升趋势。方法二：1、 数据处理方法同问题一中方法二数据处理一样 得出数据图表（见附录1表格六）2、模型的建立与求解 用Matlab画出表格六的实际通行能力的散点图以及散点图的数据拟合如下(见附录2程序6)：p =1.0e+003 * 0.0000 -0.0001 0.0030 -0.0600 0.4513 1.0127由此得到单位时间段内的通行量与时间的关系：结论：结合视频1和视频2所占车道不同，导致车流量的变化趋势也不同，从而使得事故所处横断面的的实际通行能力变化趋势不同，由拟合曲线图可知，在刚开始发生事故时，由于车道不同，导致车流量呈上升趋势，从而使得事故所处横断面的实际通行能力呈下升趋势，而在事故发生一段时间后，由于小区路口和红绿灯的影响，导致车流量的增大后又较少，从而导致事故所处横断面的实际通行能力呈下升的趋势后又呈上升趋势，在事故即将结束时，道路的疏通从而导致事故所处横断面的实际通行能力呈上升趋势。（三）、针对问题三1、问题的分析通过一二问的求解，可以算出实际通行能力；路段上游车流量可以通过视频一可以得到附件2，由于受到红绿灯的影响，且红绿灯的周期是一分钟，所以确定上游车流量是每间隔一分钟确定一个值。事故持续时间是从发生事故那个时刻开始到取的那个时刻。路段车辆排队长度：由于视频一中就只是给出几个120米值，而且在120米处，车辆还是没有堵到120米来，所以就不能用这个数据。由于标准车的长度是56米，车间距12米，还有就是在堵车的时候不是三个车道都是整齐的排列着，所以还需要扩大车间距或者是乘以一个系数。由此建立模型求解车辆排队长度：-车辆排队长度-标准车的长度-车间距-不规则排列距通过大量的计算和书里的大量数据显示可得，视频一中和附件中可以得到n=3。从数据中分析可得车辆排队长度与实际通行能力成负相关，车辆排队长队与时间成正相关，与上游车流量成正相关。2、 数据处理（见附录1表格七）3、模型的建立与求解 (1)、所以可以建立多元线性回归模型： 代表的是时间（自变量）代表是实际通行能力（自变量）代表的是上游车流量（自变量）代表是路段车辆排队长度（因变量）下面用函数 regress 实现多元线性回归模型的计算. a、在回归模型中估计参数i (i=0,1, ., m) 和2 . b、检验模型假设(线性函数)的正确性 c、用stepwise判断每个自变量xi (i=1, 2, 3,) 对Y的影响是否显著.（2）、运用多元线性回归进行分析通过Matlab运行多元线性回归程序得结果如下图(见附录2程序7)回归系数分析表 回归系数分析图均方差分析图交付时图形：b =59.2442 3.3589 -0.02610.0025bint =15.4611 103.0273 1.6778 5.0401 -0.0506 -0.0016 -0.0155 0.0206 i的置信区间r =0.9081 12.3782 6.7907 -3.1393 -11.1479 -4.2666 -1.5026 -3.0575 -11.3893 0.6035 -3.5704 12.7951 2.5432 -1.1558 3.2107 残差向量rint =-12.3966 14.2127 -1.0355 25.7919 -6.4130 19.9944 -19.1777 12.8992 -24.1079 1.8121 -17.0919 8.5586 -18.9132 15.9079 -19.5621 13.4472 -26.2333 3.4546 -14.7154 15.9224 -19.8321 12.6914 -1.3860 26.9761 -13.7390 18.8254 -16.5737 14.2622 -11.5098 17.9311 r的置信区间stats =0.9092 %R2 36.7062 %F 0.0000 %Pi均方差为11.5 (由回归系数分析表中可以得到RMSE=11.5)1=2.531 (由回归系数分析表中可以得到1=2.531)2=-0.03579 (由回归系数分析表中可以得到2=-0.03579)3=0.006548 (由回归系数分析表中可以得到3=0.006548 )(3) 、运用方差进行误差分析 通过Matlab运行方差程序得结果如下(见附录2程序8)Q = r*r , 2= Q/(n-2) = 52.9811 %近似值 运行程序的结论（一）、ans = 688.7540 （二）、 b = 52.9811结论分析：第二幅图对车辆的排队长度的影响是最大的（既是横断面的实际通行能力对车辆的排队长度的影响是最大的）第三幅图对车辆的排队长度的影响是最小的（既是上游的车流量对车辆的排队长度的影响是最小的）第i幅图表示车辆排队长队Y(m)与变量xi 的关系(当其余变量xj (ij)固定于图下方的数据时).用鼠标拖曳 图中蓝竖虚线,即可改变该x的固定值. 综上可得到如下的函数关系式:（1） （2） （1）为方差分析后的结果 （2）方差分析前的结果（四）、针对问题四1、问题的分析，模型的建立与求解根据第三问的建模，所得到的模型中，可以直接带入本问题的数据，直接算出结果。横断面距离上游路口Y=140(m)，路段上游车流量Q=1500(pcu/h),横断面的实际通行能力,所以求得S=923(pcu/h),因此，分别带入数据用MATLAB(见附录2程序9)求得=30.0980（min）程序的评价优点：针对实际通行能力的变化趋势，本文从影响通行能力变化的因素（即车道宽的修正系数、车道数的修正系数、行车速度等）入手，借助Matlab软件建立以实际通行能力变化率为因变量，以车俩排队长度、事故持续时间和路段上游车流量为自变量的多元线性回归方程，将实际通行能力问题转化为车流量变化问题来解决，简化了数据统计。在此基础上，我们运用多元线性回归分析，推算出在一定条件下车辆排队长度达到最长时的通行能力，进而得到所需要的时间，其可靠程度高，对编制发生事故后所需的撤离时间发展规划，有一定的参考作用。缺点：在对理想通行能力、设计通行能力以及实际通行能力的推算中，我们只考虑了车道宽度、车道数目以及行驶速度、车道流量等直接影响因素，忽略了路面实际情况，气候条件等偶然性影响因素，在一定程度存在着局限性。而且回归方程我们只考虑线性形式，可能变量间可能存在非线性的关系。模型的推广本文模型通过对实际数据的规律进行研究，选择最能描述观察数据的规律的曲线，较好的反映了资料的变化趋势，预测准确性高。我们可以运用此模型很好的推算出交通事故发生后横断面实际通行能力的变化，以及当所占用车道不同时实际通行能力的影响差异，这对于怎样调整发生交通事故后的交通是至关重要的，可以预测某一路段的道路通行能力发展趋势，为交通的调整等提供帮助，所以我们的预测模型，简便、可操作性强，可为国家和地方交通的发展提供有效服务。本模型还可用于各类多发性事件的情况预测，及时采取相关防护措施。参考资料1傅鹂，龚劬，刘琼荪，何中市，数学实验，北京，科学出版社，20002任善强，雷鸣，肖剑，周寅亮，数学模型，重庆大学出版社，第三版附录1表格一（红色标注为异常数据）：时间电瓶车机动车公交车标准车流量时间电瓶车机动车公交车标准车流量16:43:421618.516:50:32260716:42:521618.516:56:52270816:43:12232816:51:12080816:43:32080816:51:32060616:43:52050516:51:52450716:44:125507.516:52:12080816:44:321606.516:52:32031516:44:52230416:52:52070716:45:12050516:53:121416.516:45:323607.516:53:321606.516:45:52240516:53:52610416:46:12610416:54:121707.516:46:32260716:54:32050516:46:52240516:54:521618.516:47:123405.516:55:121606.516:47:32260716:55:32070716:47:521618.516:55:525608.516:48:12270816:57:54120122.516:48:32060616:58:12041616:48:523607.516:59:1222322816:49:121707.516:59:321517.516:50:04113013.517:00:124901116:50:12021417:01:21021225表格二（红色标注为异常数据）：时间电瓶车机动车公交车标准车流量时间电瓶车机动车公交车标准车流量17:34:22000017:50:36000017:34:420.5606.517:51:021.511012.517:35:020.5628.517:51:20160717:35:221.57210.517:51:35000017:35:422.58212.517:52:0211101217:36:021721017:52:22170817:36:222801017:52:36132617:36:423901217:52:52000017:37:020.5729.517:53:2251001517:37:221.5809.517:53:421.5629.517:37:420.5729.517:54:022.58010.517:38:020.55611.517:54:222.5608.517:38:220.5707.517:54:42210317:38:42270917:55:022621017:39:020.5729.517:55:22080817:39:221.58312.517:55:42152817:39:421.53610.517:55:52030317:40:02090917:56:06000017:40:220.5303.517:56:220.5707.517:40:422.56210.517:56:422.5428.517:41:021721017:57:020.5628.517:41:22140517:57:09020217:41:420.5808.517:57:24000017:42:00000017:57:423.5609.517:42:220.5729.517:58:023.53410.517:42:42080817:58:223621117:43:0221001217:58:420.5628.517:43:222.58212.517:59:020.5606.517:43:420.5628.517:29:220.5347.517:44:020.5707.517:59:42070717:44:22242818:00:02042617:44:42020218:00:22142717:45:020.5808.518:00:36000017:45:22162918:01:021.5326.517:45:420.5404.518:01:22134817:46:02180918:01:42080817:46:223801118:01:500.5202.517:46:420.5426.518:02:04000017:47:021721018:02:220.5707.517:47:220.5303.518:02:421721017:47:42110218:03:020.5325.517:48:022541118:03:221.5708.517:48:221.5629.518:03:420.5606.517:48:421.5629.518:04:072.5204.517:49:02170818:04:22000017:49:22150618:04:423.5104.517:49:420.5606.518:05:02070717:50:02180918:05:22062817:50:220.5527.518:05:421809表格三时间电瓶车机动车公交车标准车流量时间电瓶车机动车公交车标准车流量16:42:321618.516:50:32260716:42:521618.516:50:52270816:43:12232816:51:12080816:43:32080816:51:32060616:43:52050516:51:52450716:44:125507.516:52:12080816:44:321606.516:52:32031516:44:52230416:52:52070716:45:12050516:53:121416.516:45:323607.516:53:321606.516:45:52240516:53:52610416:46:12610416:54:121707.516:46:32260716:54:32050516:46:52240516:54:521618.516:47:123405.516:55:121606.516:47:32260716:55:32070716:47:521618.516:55:525608.516:48:12270816:57:54120122.516:48:32060616:58:12041616:48:523607.516:59:1222322816:49:121707.516:59:321517.516:50:04113013.517:00:124901116:50:12021417:01:21021225（注：红色标注为异常数据）表格四时间电瓶车机动车公交车标准车总量VCiDiSi16:42:3216:43:3241542513.251892.86 2080.25 665.68 16:43:3216:44:32518020.518.412630.00 2890.37 924.92 16:44:3216:45:32314015.525.413630.00 3989.37 1276.60 16:45:3216:46:321111016.518.252607.14 2865.25 916.88 16:46:3216:47:32714017.521.193027.14 3326.83 1064.59 16:47:3216:48:32519123.517.272467.14 2711.39 867.64 16:48:3216:49:3241902116.192312.86 2541.83 813.39 16:49:3216:50:32115117.514.752107.14 2315.75 741.04 16:50:3216:51:324210237.581082.86 1190.06 380.82 16:51:3216:52:324191235.51787.14 865.07 276.82 16:52:3216:53:32114116.54.88697.14 766.16 245.17 16:53:3216:54:32914018.56.13875.71 962.41 307.97 16:54:3216:55:322171209.221317.14 1447.54 463.21 16:55:3216:56:32513015.57.621088.57 1196.34 382.83 16:56:3216:57:32120122.510.211458.57 1602.97 512.95 表格五时间电瓶车机动车公交车标准车流量时间电瓶车机动车公交车标准车流量17:34:22000017:50:36000017:34:420.5606.517:51:021.511012.517:35:020.5628.517:51:20160717:35:221.57210.517:51:35000017:35:422.58212.517:52:0211101217:36:021721017:52:22170817:36:222801017:52:36132617:36:423901217:52:52000017:37:020.5729.517:53:2251001517:37:221.5809.517:53:421.5629.517:37:420.5729.517:54:022.58010.517:38:020.55611.517:54:222.5608.517:38:220.5707.517:54:42210317:38:42270917:55:022621017:39:020.5729.517:55:22080817:39:221.58312.517:55:42152817:39:421.53610.517:55:52030317:40:02090917:56:06000017:40:220.5303.517:56:220.5707.517:40:422.56210.517:56:422.5428.517:41:021721017:57:020.5628.517:41:22140517:57:09020217:41:420.5808.517:57:24000017:42:00000017:57:423.5609.517:42:220.5729.517:58:023.53410.517:42:42080817:58:223621117:43:0221001217:58:420.5628.517:43:222.58212.517:59:020.5606.517:43:420.5628.517:29:220.5347.517:44:020.5707.517:59:42070717:44:22242818:00:02042617:44:42020218:00:22142717:45:020.5808.518:00:36000017:45:22162918:01:021.5326.517:45:420.5404.518:01:22134817:46:02180918:01:42080817:46:223801118:01:500.5202.517:46:420.5426.518:02:04000017:47:021721018:02:220.5707.517:47:220.5303.518:02:421721017:47:42110218:03:020.5325.517:48:022541118:03:221.5708.517:48:221.5629.518:03:420.5606.517:48:421.5629.518:04:072.5204.517:49:02170818:04:22000017:49:22150618:04:423.5104.517:49:420.5606.518:05:02070717:50:02180918:05:22062817:50:220.5527.518:05:421809（注:红色标注为异常数据）表格六时间电瓶车机动车公交车标准车流量VCiDiSi17:34:2217:35:221.57210.524.08 3439.29 3298.28 1055.45 17:35:2217:36:222801031.01 4429.29 4867.79 2190.50 17:36:2217:37:221.5809.528.62 4087.86 4492.56 2021.65 17:37:2217:38:220.5707.524.02 3430.71 3770.36 1696.66 17:38:2217:39:221.58312.531.50 4500.00 4945.50 2225.48 17:39:2217:40:220.5303.536.00 5142.86 5652.00 2543.40 17:40:2217:41:22140530.60 4371.43