Обработка результатов измерений

Строим график (рис. 8), отражающий экспериментальное распределение интервалов t_j, используя значения t_cj и p_j.

Обрабатываем данные по программе obpir.exe (директория obpir). Для этого создаем файл isx.dat, записывая в него сначала число n интервалов, затем пары значений t_cj и p_j (см. пример – файл primer.dat). Файл isx.dat копируем в директорию obpir.

По программе вычисляется средний интервал t_ср и интенсивность движения . Рассчитываются коэффициенты k ,  и a, вычисляется средний интервал t_ср и отклонение S. Результаты обработки выводятся в файл rezpir.dat.

Рисунок 8 дополняем графиком расчетного распределения. Данные берем из файла rezpir.dat. Для используемого примера имеем:

t_ср = 4 c,  = 903 авт/ч, k = 3,07, a = 0,77,  = 5,17 с.

Рис. 8. Экспериментальное () и расчетное (––) распределение

интервалов по закону Пирсона

Получаем удовлетворительное соответствие расчетного распределения экспериментальному распределению (см. рис. 8), что подтверждается небольшим значением 0,0171 среднего отклонения S.

Строим распределение для двух полос

По программе рассчитывается распределение интервалов t для заданного оператором числа n_п полос. Расчет сводится к уменьшению в n_п раз интервалов t. Результаты расчета берем из файла, строим график распределения вероятностей интервалов в одном направлении движения (рис. 9).

Расчет слияния потоков

Целью расчета является вычисление наибольшей интенсивности потока, который может влиться в обследованный поток.

Рис. 9. Расчетное распределение интервалов по двум полосам

Скорость обследованного потока принимаем ориентировочно, по согласованию с преподавателем. Используем рассчитанные значения s накопленной вероятности, а также график средней зависимости пространственных интервалов l_п, м от скорости (рис. 6). По заданной скорости находим интервал l_п, вычисляем временной интервал t, и по значениям s находим число вливающихся в поток автомобилей.

Строим график рассчитанной по программе накопленной вероятности s(V), показанный на рис. 10. Дополнительно составляем таблицу 6 со значениями интервалов t и вероятностями s.

Таблица 6

Распределение накопленной вероятности интервалов

t	0,5	1,5	2,5	3,5	4,5	5,5	6,5	7,5	8,5	9,5
s	0,017	0,142	0,339	0,535	0,694	0,808	0,884	0,932	0,961	0,978

t	10,5	11,5	12,5	13,5	14,5
s	0,988	0,993	0,996	0,998	0,999

Для используемого примера принимаем скорость потока V = 50 км/ч. Находим по графику (рис. 6) интервал: l_п = 38 м. Вычисляем временной интервал: t = 3,6  l_п/V = 3,6  38/50 = 2,7 с.

Находим число N₁ автомобилей, входящих в поток при наличии интервалов 38 м. По графику рис. 10 и таблице 6 для t = 2,7 имеем s = 0,37: N₁ = (1 – s)   = (1 – 0,37)  903 = 569.

Находим число N₂ автомобилей, дополнительно входящих в поток при наличии интервалов 2  38 = 76 м. Для t = 5,4 имеем s = 0,8: N₂ = (1 – 0,8)  903 = 181.

Рис. 10. Распределение накопленной вероятности интервалов

Находим числа N₃, N₄ и N₅ автомобилей, дополнительно входящих в поток при наличии интервалов 8,1, 10,8 и 13,5 с:

t = 8,1, N₃ = (1 – 0,95)  903 = 45; t = 10,8, N₄ = (1 – 0,98)  903 = 18;

t = 13,5, N₅ = (1 – 0,998)  903 = 2.

Интервалы времени величиной более 13,5 с опускаем, так как их учет не дает увеличения числа вливающихся автомобилей.

Находим суммарное число автомобилей, входящих в поток:

N = 569 + 181 + 45 + 18 + 2 = 815.

Таким образом, интенсивность обследованного потока может возрасти до 903 + 815 = 1718 авт/ч.