城市交通事故影响道路通行能力的模型分析

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）： 云南农业大学 参赛队员 (打印并签名) ：1. 杜 红 2. 普志红 3. 龚方盛 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： 2013年 9 月 16 日 赛区评阅编号（由赛区组委会评阅前进行编号）：

1

2013高教社杯全国大学生数学建模竞赛

编 号 专 用 页

评 阅 人 评 分 备 注 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）：

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）：

2

城市交通事故影响道路通行能力的模型分析

摘 要

车道因交通事故、路边停车、占道施工等元素被占用对城市道路通行能力有着直接的影响，了解其影响机制是疏导交通、设计各种减少交通拥堵措施的重要依据。本文主要是根据城市某个路段发生交通事故至事故被清除期间的视频资料，研究交通事故发生前后该路段的交通通行能力变化情况、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、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。针对题目要求，我们进行如下工作。

针对问题一，首先应该以一分钟为单位观察视频1中事故发生单向道路的车流量，绘制事故发生截面通行能力随时间变化的数据表格，并对该组数据进行Matlab图象分析及函数拟合，分析得出事故发生截面通行能力随时间变化逐渐下降的规律，并估算出视频1中截面车流量的平均值Average(1)=1170 pcu/h。

针对问题二，首先以问题1相同的方法，绘制了视频2中事故发生截面通行能力随时间变化的数据表格，并对数据进行Matlab图象分析及函数拟合，分析得出事故发生截面通行能力随时间变化逐渐下降的规律，并估算出视频2中截面车流量的平均值Average(2)=1380 pcu/h；然后对视频1、视频2观察所得事故发生截面通行能力随时间变化的数据进行检验及差异分析，得出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存在显著差异，内车道发生交通事故比外车道发生事故对实际通行能力的影响更明显的，通行能力下降的更快。

对于问题三，首先分析交通事故所影响的路段车辆排队长度与受事故横断面实际通行能力、事故持续时间、路段上游车流量影响、交通信号灯、道路车道数、车辆头间距等影响，建立了三个模型：上游车流量模型、事故横断面实际通行能力模型、交通事故所影响的路段车辆排队长度模型，并用视频1观测到的数据进行模型的参数测算及检验，模型计算所得结果与实际观测结果较为吻合。 对于问题四，根据题目所给交通事故路段上游车流量为1500pcu/h的数据，结合问题三中模型测算视频1中的事发横断面实际通行能力、交通信号灯周期、道路车道数、车辆头间距等数据，运用交通事故所影响的路段车辆排队长度模型计算出交通事故车辆排队长度140米时所用的时间约为10.18分钟。

关键词： 城市 交通事故 通行能力 齐次性检验 曲线拟合

3

一 问题重述

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。

视频1（附件1）和视频2（附件2）中的两个交通事故处于同一路段的同一横断面，且完全占用两条车道。请研究以下问题：

1. 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. 根据问题1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. 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. 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。

二 问题的分析

问题1：

题目要求我们对视频中交通事故发生至撤离期间，事故所处路段截面的实际通行能力进行分析，我们先对事故前的实际通行能力进行一组数据的整理统计，同样对事故发生至撤离的实际交通通行能力进行另一组数据的整理与统计，通过这两组数据我们可以进行分析比较，可以得出交通事故前后对通行车流量的变化，同时对发生事故后进行曲线的拟合，更能直观的看出在事故发生后同一个截面的实际交通通行能力的变化。 问题2：

要求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，可参考问题1的观察描述思路去分析视频2中事故所处横断面实际通行能力的变化过程，再与问题1中结论进行对比，分析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，以及可能涉及产生原因的分析。

4

问题3：

交通事故所影响的路段车辆排队长度通常指从事故段开始到处于排队状态最后车辆的距离，一般排队车辆不仅指停车排队的车辆，还包括速度在2-5km/h以怠车速度排队等待通过路段的车辆。由于交通事故车辆占用部分道路导致道路横断面实际通行能力降低，在事故区域形成瓶颈，使得事故区道路上游车流量大于交通事故横断面实际通行能力，致使车辆减速或停止排队等待通行。其排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间存在直接关系，而上游车流量、事故横断面实际通行能力受许多因素的影响，故上游车流量、事故横断面实际通行能力的测量及计算是计算交通事故所影响的路段车辆排队长度的关键。 问题4：

给定了交通事故路段上游车流量为1500pcu/h，根据问题3中排队长度与事故横断面实际通行能力、事故持续时间、路段上游车流量间建立的关系模型，可计算交通事故所影响的路段车辆排队长度达到140米时所用的时间。

三、基本假设与符号说明

Q1 表示在发生交通事故后通过上游路口的车流量 Q2 表示在发生交通事故后通过横截面的车流量 S 表示在发生交通事故后排队的车的长度

t 表示事故持续的时间 d 表示堵车截面的车道的总宽度 K 表示其它相关系数对该截面的影响 L 表示车头距

C直——直行车道的通行能力； C左——左行车道的通行能力； C右——右行车道的通行能力； 基本假设：

（1）不考虑在路上的行人对车流量造成的影响。 （2）不考虑车辆在路边短时间停留造成车流量的影响。 （3）车辆在通过截面时只有大车、小车、电动车三类。 （4）车流进入道路后，基本按左中右各自道路行驶 （5）受阻车道的车均就近汇入非受阻车道

5

四、模型建立及问题求解

4.1 问题1的分析与求解

对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的分析和研究，是正确估算车道被占用对城市道路通行能力的影响程度、正确引导车辆行驶等的重要依据。由视频1获取如下信息。对此数据可以看出在这个时间段，车流量的变化很集中，其中小车的数量较为稳定，大车数量变化的幅度较大。可得出大车对事故后截面的通行能力影响较大。

（1）事发地点：在距上游红灯路口240米处，三个车道道路中远离人行道的两个车道发生交通事故，并造成该两车道受阻无法通行。

（2）事发时间：16:42:32

（3）事故发生前后该道路车流量情况，见表1

表1 视频1中事故发生前后车流量情况 时间 大车 小车 电动车 转化为标准车辆 事故发生前 16:39:40 2 15 6 2*1.5+15+6*0.5

16:40:40 0 11 7 11+7*0.5 16:41:40 3 15 7 3*1.5+15+7*0.5

事故始末车流量 16:43:32 4 13 5 4*1.5+13+5*0.5

16:44:32 1 17 5 1*1.5+17+5*0.5 16:45:32 0 17 3 17+3*0.5 16:46:32 1 16 5 1*1.5+16+5*0.5 16:47:32 0 14 7 14+7*0.5 16:48:32 1 20 5 1*1.5+20+5*0.5 16:49:32 0 19 4 19+4*0.5 16:50:32 1 8 6 1*1.5+8+6*0.5 16:51:32 0 20 2 20+2*0.5 16:52:32 1 17 5 1*1.5+17+5*0.5 16:53:32 2 14 2 2*1.5+14+2*0.5 16:54:32 1 15 0 1*1.5+15 16:55:32 2 16 4 2*1.5+16+4*0.5

表1中pcu/h指：每小时通过截面的车辆数量

表1中四轮及以上机动车、电瓶车的交通流量换算成标准车当量数见表2 表2 四轮及以上机动车、电瓶车的交通流量换算成标准车当量数表 汽车代表车型 小客车 中型车 大型车

车辆折算系数

1 1.5 2

说明

<=19的客车和载质量<=2t的货车 >19做的客车和2t<载质量<=7t

7t<载重量<=14t

[1]

pcu/h 1260 870 1380 1290 1260 1110 1200 1050 1440 1260 750 1260 1260 1080 990 1260

电动车 0.4-0.6 注：对于电动车平均取0.5

6

（4）用matlab进行事故所处横断面实际通行能力的随时间的变化过程的分析，结果如图1

图1 视频1中事故所处横断面实际通行能力的随时间的变化情况

根据图1和表1可知，首先从事故发生后车的通行能力均随时间呈下降趋势，对于有些点不在拟合曲线上，其原因可能为考虑时间为一分钟，具有较大的随机性，从而使数据具有跳跃的点，故应该用均值应来度量其视频1中事故发生截面通行能力，有表一平均值为Average(1)=1170 pcu/h。 可以看出较多的点在平均值附近上下波动。有较好的稳定性和正态性。

4.2 问题2的分析与求解

4.2.1 视频2中交通事故发生后,事故所处横断面实际通行能力的描述

交通事故发生至撤离期间,对数据表的分析后知通行能力出现了下降趋势，对于有的时间点变化的比较突出可能是由于时间间隔是一分钟引起的随机性误差。

（1）事发地点：在距上游红灯路口240米处，三个车道道路中远离人行道的两个车道发生交通事故，

7

并造成该两车道受阻无法通行。 （2）事发时间：17:34:17

（3）事故发生前后该道路车流量情况，见表2

表2 视频2中事故发生前后车流量情况

时间 大车 小车 电动车 转化为标准车辆 事故发生前 17:29:51 0 18 6 18+6*0.5

17:30:51 2 20 5 2*1.5+20+5*0.5

事故始末车流量 17:35:17 2 18 3 2*1.5+18+3*0.5

17:36:17 2 20 5 2*1.5+20+5*0.5 17:37:17 1 19 6 1*1.5+19+6*0.5 17:38:17 3 17 4 3*1.5+17+4*0.5 17:39:17 1 21 7 1*1.5+21+7*0.5 17:40:17 3 14 4 3*1.5+14+4*0.5 17:41:17 2 18 9 2*1.5+18+9*0.5 17:42:17 1 19 2 1*1.5+19+2*0.5 17:43:17 2 23 10 2*1.5+23+10*0.5 17:44:17 1 17 5 1*1.5+17+5*0.5 17:45:17 1 16 3 1*1.5+16+3*0.5 17:46:17 0 20 11 20+11*0.5 17:47:17 2 14 3 2*1.5+14+3*0.5 17:48:17 4 14 10 4*1.5+14+10*0.5 17:49:17 1 19 6 1*1.5+19+6*0.5 17:50:17 1 16 4 1*1.5+16+4*0.5 17:51:17 0 21 4 21+4*0.5 17:52:17 1 15 6 1*1.5+15+6*0.5 17:53:17 1 16 13 1*1.5+16+13*0.5 17:54:17 2 17 6 2*1.5+17+6*0.5 17:55:17 1 20 5 1*1.5+20+5*0.5 17:56:17 3 16 10 3*1.5+16+10*0.5 17:57:17 4 18 12 4*1.5+18+12*0.5 17:58:17 2 16 1 2*1.5+16+1*0.5 17:59:17 3 10 4 3*1.5+10+4*0.5 18:00:17 3 19 5 3*1.5+19+5*0.5 18:01:17 1 18 5 1*1.5+18+5*0.5 18:02:17 2 17 1 2*1.5+17+1*0.5 18:03:17 2 18 2 2*1.5+18+2*0.5

注：转化为标准车辆方法同上。

pcu/h 1260 1530 1350 1530 1410 1410 1560 1230 1530 1290 1860 1260 1140 1530 1110 1500 1410 1170 1380 1170 1440 1380 1440 1530 1800 1170 990 1560 1320 1230 1320

由上表中的数据分析可以体现出，事故发生前的车流量比事故发生后的车流量要大，对事故后相对呈现通行能力的下降趋势，对视频二中数据用matlab进行事故所处横断面实际通行能力的随时间的变化过程分析，

视频2中的截面实际通行能力随时间缓慢的减少，可以观察到有一些特殊的点变化较大，可能是因为时间每隔一秒，造成的随机性误差，也可能是车道的流量分配引起的误差，也有可能是车道不同造成的影响。

（4）对视频2中数据进行matlab分析

图像如下（交通事故在一、二车道发生对交通通行能力的影响，代码见附件一）

8

图2 视频2中事故所处横断面实际通行能力的随时间的变化情况

根据图2可知，首先从事故发生后车的通行能力也随时间总体出现下降趋势，对于有极少数的点也同样不在拟合曲线上，对此原因也有多种因素，其中发生事故是影响最为显著的一个原因。 由于两组数据（视频1和视频2），在交通事故发生后进行数据的比较，发现均有截面车流量的下降趋势，对此还要进一步进行分析，事故发生在那个车道对通行能力的影响较大，对两组数据依次进行正态性检验若服从正态分布，则进行方差齐次性检验，若不服从正态分布,可用Matlab做出图像进行比较分析。

4.2.2 视频1、2中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分析 （1）检验两组视频1和视频2所对应数据是否具有正态性表3 函数名（视频1）

chi2gof jbtset lillietest

函数名（视频2）

chi2gof jbtset lillietest

检验结论 接受原假设 接受原假设 拒绝原假设 检验结论 接受原假设 接受原假设 接受原假设

9

参数h 0 0 1 参数h 0 0 0 检验的p值

NaN 0.3237 0.0478

检验的p值

NaN

0.6716

NaN

由上表可知两组数据都具有正态性 可以继续进行方差齐次性检验

（2）用SPSS分析两组数据是否有差异的结果如下

由结果可知：

若取α=0.05，由于P=0.002，小于ɑ，所以以上两组数据存在着明显的显著性差异，即这两个视频中发生在不同车道对路面通行能力的影响是存在显著性的不同。具体事故发生在哪一个车道对交通通行能力的影响较大。下面再用Matlab接着讨论：

（3）用matlab把两组数据画在同一图中如下所示（数据见表1、表2，程序代码见附件一）

图3 视频1、2发生在不同车道截面同流能力 如图3所示可分析知道：

10

在交通事故发生在二、三车道所拟合曲线的斜率，与事故发生在一、二车道的斜率相比显然可知事故发生在二、三车道对通行能力的影响较大。 (4)视频1和视频2均值的比较。

视频1事故发生后通过截面的平均流量为Average(1)=1170 pcu/h 视频2事故发生后通过截面的平均流量为Average(2)=1380 pcu/h 由于 Average(1)=1170 pcu/h < Average(2)=1380 pcu/h

可以的出结论：虽然二、三车道对该截面通行能力的影响较大，但是他的平均车流量没有视频2中一、二车道的平均车流量大，有可能影响的原因分析：一个原因可能是由于所处事故发生的时间段不同，从而影响的车流量也不同，另外一个原因可能是由于每条通道的所占比列不同，从而影响的车流量也不同。

4.3 问题3的模型建立及求解

交通事故所影响的路段车辆排队长度通常主要受事故横断面实际通行能力、事故持续时间、路段上游车流量影响，而上游车流量、事故横断面实际通行能力受许多因素的影响，故为得出交通事故所影响的路段车辆排队长度模型必先弄清楚上游车流量、事故横断面实际通行能力的测量及计算。

4.3.1 事发路段上游车流量模型

车流量是一定时间内,通过道路某一点、某一横断面或某一车道的机动车车辆数。根据城市交通道路及信号灯等设置特点，车流进入某一道路的车流量主要受信号灯周期、直行车流量、左转车流量、右转车流量等影响，故可建立车流量模型如下

Q1=C直+C左+C右

其中：Q1表示在发生交通事故后通过上游路口的车流量，C直表示直行车道的车流量，C左表示路口左转进入道路的车流量，C右表示路口右转进入道路车流量。而对于C直、C左、C右的测定与计算可有下面式子得出。

出现信号灯是，分别对C直 、C左 和C右产生不同的影响。对每个影响讨论各自的通行能力。

3600t绿t损（a）C直的通行能力 ： C直=×

t间T周期 上式子中：T周——为信号灯的周期时间,一般取60-90秒。 t损—一个周期内绿灯损失的时间。 t绿——每个信号周期内的绿灯时间。 t间——前后连续通过停车线的平均间隔时间，一般取2.5s。 （b）C右的通行能力： C右=

3600 t右 式子中t右前后两右转车连续驶过停车线的时间间隔，一般取为4.5s （c）C左的通行能力： 一条专用左转车道的通行能力

11

C左=

3600 n=

*nT周t黄绿-t左v左2

式子中n——一个周期内允许左转的车辆数，t黄绿——一个周期内左转黄绿灯时间，V车——左转车的速度，t——左转车辆通过停车线的车头距，a——左转车辆的平均加速度。

4.3.2 事发路段截面通行能力Q2模型

通行能力指的是一段时间内通过某个截面的车辆的最大数，由于在事故中有的车道受阻，故会影响车道自身截面通行能力。当事故车辆完全占据所在道路横截路面致使其它车辆无法通行时，其事发路段截面的通行能力为零；而当事发截面还有其它车道可通行，受堵车道的车将汇入可通行车道，其截面通行能力可看做多车道行驶变成较少车道行驶的变化过程的通行能力。故能建立以下模型：

Q2=∑C非受阻汇入j×（1-

l l l K汇1）×（1-K汇2）×---×（1-K汇n）*r+∑C非受阻无汇入i 222其中，C非受阻汇入j表示有受阻车道的车汇入非受阻车道j的车流量，K汇i表示受阻车道i车流量占整条道路的比例，r为常数, C非受阻无汇入i表示非受阻车道i的车流量且无其它受阻车道的车汇入。

式中事发路段截面通行能力Q2为所有非受阻车道车流量的和。

4.3.3 交通事故所影响的路段车辆排队长度模型

排队长度是从事故段开始到处于排队状态最后车辆的距离，一般排队车辆不仅仅是指停车排队的车辆，还包括速度在某个范围内以滞车速度排队等待通过路段的车辆。

事故导致车流排队长度主要受上有车流量、事故持续时间、事故区截面实际通行能力、排队车辆车头距、道路车辆数量影响、其关于模型可设为

L=

(Q1Q2)*d*t

N其中：L为受阻车流排队长度，d为车头距，N为车道数，t为持续的时间，Q1上游车流量，Q2事故区截面的实际通行车流量。

4.3.4 模型的求解

针对视频1中交通事故影响通行能力情况，利用以上模型可确定：

Q1=C直+C左+C右= C直+ C右=

3600t绿t损3600×+=(3600/60)X（30-3）/2.5+3600/4.5=1448(pcu/h)

t间T周期t右Q2=∑C非受阻汇入×（1-d=7.5(m) N=3

l l l K汇1）×（1-K汇2）×---×（1-K汇n）*r+∑C非受阻无汇入i=1170(pcu/h) 22212

T=60(s)

由排队的模型的L与时间的关系式为L=f(t)该式子与实际观察得到排队长度对比

对比之后发现 实际的排队长度比理论的长度长，可能是因为其他因素考虑不完善的原因

4.4 问题4的分析与求解

对比视频1交通事故所影响的距离发生改变，距上游路口的距离为140米，且下游的方向需求不变，可以利用视频得出车头距，根据视频1中的数据分析，在路段之间存在的小区口的车流量基本为零，可以忽略对该问题的影响。滞留车辆的量，那么就可以得出堵车排队至上游路口需要多少时间。

表题 事故发生区120米内车的排队长度统计表

时间

大车

小车

电动车

转化为标准车辆

pcu/h

第一个120 第二个120 第三个120 第四个120 第五个120

1 1 0 1 2

15 15 15 13 14

0 0 0 0 0

1*1.5+15 1*1.5+15 15

1*1.5+13 2*1.5+14

16.5 16.5 15 14.5 17

根据题目估算140米堵车需要的时间，上游车流量为1500pcu/h 由问题3建立的模型4.3.3可得

L=

由题意知：

Q1=1500pcu/h

Q2=1170pcu/h

L=140m

(Q1Q2)*d*t（4.3.3）

N题目中要求估算堵车140米的时间，根据表4中的数据 可以的出车头距

d=7.5m

把以上数据代入公式4.3.3中可得

t=10.18(min)

所以车排队到上游路口约需要10分钟.

对于此模型计算出的数据与实际截面上通过的数据估算十分接近，也充分的说明了该模型的可能性与正确性。

5模型的优缺点与改进

优点：对于同一问题中用多种分析方法进行分析，同时条理清楚，思路清晰。分析与问题相关的原因较为全面，建模过程与具体的实际数据相结合，不脱离现实，模型解决实际问题的结果与实际比较吻合，同时参考优秀论文写文。

13

缺点：线性模型设计，对Q1受信号灯影响的关系式没有细化到周期内，时段对排队程度的影响，故得到长度只是时间的线性函数。

参考文献

[1]《关于调整公路交通情况调查车型分类及车辆折算系数的通知》 规统便字[2005]126号

[2] 程莹 《城市道路交通事故影响传播机理研究》 2011年6月 [3]谢中华 《 MATLAB统计分析与应用 40个案例分析》2010年6月 [4] 艾冬梅《MATLAB与数学实验》 2010年5月

[5] 茆诗松 程依明 濮晓龙 《概率论与数理统计教程》第二版 高等教育出版社 [6]陈平雁 《IBM SPSS19统计软件应用教程》第二版 人民卫生出版社

附件一：

题目 1.1程序代码（图1）

x=[1,2,3,4,5,6,7,8,9,10,11,12,13];

y=[1290,1260,1110,1200,1050,1440,1260,750,1260,1260,1080,990,1260]; scatter(x,y,10); p1=polyfit(x,y,1); x1=1:1:15;

y1=polyval(p1,x1);

plot(x,y,'r*',x1,y1,'-b') xlabel('时间/小时’) ylabel('车流量/辆’)

题目2.1

程序代码（表3）

x1=[1290,1260,1110,1200,1050,1440,1260,750,1260,1260,1080,990,1260];

x2=[1350,1530,1410,1410,1560,1230,1530,1290,1860,1260,1140,1530,1110,1500,1410,1170,1380,1170,1440,1380,1440,1530,1800,1170,990,1560,1320,1230,1320]; [h1,p1,stats]=chi2gof(x1) [h2,p2,stats]=chi2gof(x2) [h1,p1]=jbtest(x1) [h2,p2]=jbtest(x2)

[h1,p1,kstat,critval]=lillietest(x1) [h2,p2,kstat,critval]=lillietest(x2)

（图2）的程序代码：

x=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29];

y=[1350,1530,1410,1410,1560,1230,1530,1290,1860,1260,1140,1530,1110,1500,1410,1170,1380,1170,1440,1380,1440,1530,1800,1170,990,1560,1320,1230,1320]; scatter(x,y,10); p1=polyfit(x,y,1); x1=1:1:30;

y1=polyval(p1,x1);

plot(x,y,'m*',x1,y1,'-k') xlabel('时间/小时') ylabel('车流量/辆')

（图3）的程序代码

x=[1,2,3,4,5,6,7,8,9,10,11,12,13];

y=[1290,1260,1110,1200,1050,1440,1260,750,1260,1260,1080,990,1260];

x2=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29];

y2=[1350,1530,1410,1410,1560,1230,1530,1290,1860,1260,1140,1530,1110,1500,1

14

410,1170,1380,1170,1440,1380,1440,1530,1800,1170,990,1560,1320,1230,1320]; scatter(x,y,10); p1=polyfit(x,y,1); x1=1:1:15;

y1=polyval(p1,x1);

plot(x,y,'r*',x1,y1,'-m') hold on

scatter(x2,y2,10) ; p1=polyfit(x2,y2,1); x3=1:1:30;

y3=polyval(p1,x3);

plot(x2,y2,'g.',x3,y3,'-b') xlabel('时间/小时’) ylabel('车流量/辆’)

15