CN105741555A - 一种基于宏观基本图确定车型折算系数的方法 - Google Patents

Abstract

本发明公开了一种基于宏观基本图确定车型折算系数的方法，包括内容：确定研究的路网对象，进行交通参数调查；建立微观仿真路网环境，并在出入口设置检测器并进行编号；运行仿真，模拟自由流到拥堵流的交通变化过程，同时进行采集流量数据；对数据进行处理，获得足够样本的宏观基本图散点坐标O＝(N,G)；绘制基准MFD和目标车辆构成的MFD，并通过分段拟合确定分段函数F_i(x)；根据MFD趋势线图确定MFD的关键点；根据实际需求，求解指定交通运行状态下的车辆换算系数。本发明将从路网宏观层面对车辆折算系数进行研究，综合考虑路网从自由流到拥堵流完整的交通状态。从路网的基本属性出发，更加快速和准确地得到一定服务水平下的路网车辆折算系数。

Description

一种基于宏观基本图确定车型折算系数的方法

技术领域

本发明涉及城市道路交通网络规划与管理领域，尤其是指一种基于宏观基本图确定车型折算系数的方法。

背景技术

道路机动车交通流由不同的交通个体组成，为了在不同道路交通条件下，混合交通量之间具有一定的可比性，应当建立混合交通流的流量与100％标准车流流量之间的当量关系。交通流中非标准车相当于标准车占用时空资源的当量值称之为车辆折算系数。车辆折算系数值确定的科学性和准确性对道路通行能力和服务水平的评定有重要影响。根据以往研究，道路条件(道路等级、纵坡坡度、道路基础设施等)、交通流状态(连续流、间断流等)、交通构成和交通拥挤状况等都会对车辆折算系数产生影响。实际工程应用方面，一般选取《城市道路工程设计规范》的推荐值，采用小客车为标准车型进行交通量换算。理论研究方面，国外早起的确定方法主要包括等效交通量法、速度-流量法、车头时距法、瞬时占有道路率法和计算机模拟模型法、沃克法(Walker)和延误法(Walker法的延伸)等，以上研究绝大部分采用静态分析的研究方法，应用条件受到较多的限制。国内最新的很多研究是基于以上方法进行了改进和创新：陈洪仁基于速度和车头时距提出车辆折算的计算方法；刘培文通过确定车辆运行过程中道路纵向和横向特性，得到不同服务水平条件下车辆当量折算系数；张君纬等以运行车辆为质点，提出采用汽车道路作用空间的物理分析方法来研究车辆当量系数折算问题；曲大义等建立基于需求安全距离的动态车辆折算系数定量模型。以上方法对于数据的采集和处理提出较高的要求，推广性和可操作性较低，不能快速满足不同交通环境，不同车型车辆折算的求解和应用。

以上的相关研究从车辆的类型、道路条件以及车辆的间距等微观层面考虑折算系数的计算问题，并未考虑车辆在不同运行状态下车辆折算系数的变化情况，并且计算过程负责，限制条件较多。本发明将从路网宏观层面对车辆折算系数进行研究，对未饱和流、饱和流和过饱和流状态下折算系数分别进行考虑，提出一种基于宏观基本图(MacroscopicFundamentalDiagram，MFD)车辆折算系数计算方法。该方法考虑路网的基本属性(路网结构、道路等级、车辆限速等)的影响，可分析不同交通流运行服务水下的车辆折算系数对应值。

发明内容

本发明的目的是突破常规的计算车辆折算系数的方法，提供一种基于宏观基本图确定车型折算系数的方法，从路网的基本属性出发，更加快速和准确地得到一定服务水平下的路网车辆折算系数，从技术手段上具有较高的可行性。

为实现上述目的，本发明所提供的技术方案为：一种基于宏观基本图确定车型折算系数的方法，包括以下步骤：

1)确定路网分析区域的边界，采集路网的静态交通参数和动态交通参数；

2)根据获取的路网的交通参数，建立交通微观仿真平台，同时在路网边界的所有出入口设置流量检测器；

3)对路网流量进行数据采集，进行两类车辆构成即全标准小汽车车辆构成和目标车辆构成的仿真，收集检测间隔时间为Δt内出入路网的车辆数集合R_j和S_j；

4)绘制基准MFD散点图和目标车辆构成散点图，对步骤3)的数据进行整理，坐标数据记为O_j＝(N_j,G_j)，其中N_j表示j时间点路网内运行的车辆数，G_j表示(t_j-Δt,t_j)时间内驶离网络车辆数，绘制对应车辆构成的宏观基本图散点图；

5)根据绘制的宏观基本图散点图，生成宏观基本图模型趋势线图，即分别对宏观基本图散点图的上升段、持续段和下降段进行拟合，其中上升段和下降段采用最小二乘法进行拟合，持续段采用均值拟合，确定分段函数F_i(x)；根据F_i(x)函数确定两类宏观基本图的前拐点、后拐点和瘫痪点的横坐标值；

6)根据宏观基本图的比例关系，基于前拐点、后拐点和瘫痪点确定不同交通状态下车辆折算系数μ的求解算式。

在步骤1)中，提及的静态交通参数包括路网几何信息、道路限速、节点放行策略和路网组织形式；动态交通参数包括出入口流量、车型构成、车辆节点转向比例和道路交通流运行车速。

在步骤2)中，利用微观仿真软件建立路网，并在出入口设置检测器，所有入口编号集合为R-Entrance{R₁,R₂...R_i...R_m}，m为入口个数；同理，所有出口建立出口编号集合为S-Exit{S₁,S₂...S_i...S_n}，n为出口个数。

在步骤3)中，运行仿真过程中，需不断增大流量输入的值，确保模拟了路网从自由流到拥堵流的全过程；确定数据检测器的检测间隔时间为Δt，建立时间节点集合T-interval＝{t₀,t₁...t_j...}，其中t_j＝t_j-1+Δt；同时定义时间节点j前Δt时间内出入口检测到的车辆数集合如下：

R_j-Entrance＝{R_1j,R_2j...R_ij...R_mj}

S_j-Exit＝{S_1j,S_2j...S_ij...S_nj}

其中，R_ij表示第i个入口在(t_j-Δt,t_j)时间内统计的车辆数；S_ij表示第i个出口在(t_j-Δt,t_j)时间内统计的车辆数；

在步骤4)中，根据检测器收集的数据，获取有效的宏观基本图散点坐标数据，记为O_j＝(N_j,G_j)，其中N_j表示j时间点路网内运行的车辆数，G_j表示(t_j-Δt,t_j)时间段内驶离网络车辆数，计算式如下：

$N_j=N_{j-1}+(\underset{i=1}{\overset{m}{\Σ}}{R}_{ij}-\underset{i=1}{\overset{n}{\Σ}}{S}_{ij})$

$G_j=\underset{i=1}{\overset{n}{\Σ}}{S}_{ij}$

根据获取的散点坐标数据绘制宏观基本图散点图。

在步骤5)中，根据绘制的宏观基本图散点图生成宏观基本图模型，对散点图进行分段拟合，上升段和下降段采用最小二乘法进行拟合，持续段采用均值拟合；函数F_i(x)表达式为：

$F_i\left(x\right)=\left\{\begin{array}{cc}{f}_{1i}\left(x\right)& 0<x\&le;A_{1i}\\ f_{2i}\left(x\right)& A_{1i}<x\&le;A_{2i}\\ f_{3i}\left(x\right)& A_{2i}<x\&le;A_{3i}\end{array}\right.$

下标1、2、3分别对应上升段、持续段和下降段，其中A_1i、A_2i、A_3i分别代表大型车比例为i时宏观基本图的前拐点、后拐点和瘫痪点对应的横坐标值；根据函数F_i(x)的变化特征确定两类宏观基本图的前拐点、后拐点和瘫痪点的横坐标值：根据分段函数拟合方式可知，当大型车比例为i时，f_2i(x)＝b_i(常数)；对应大型车比例i下的前拐点、后拐点和瘫痪点对应的横坐标值x_A1、x_A2和x_A3采用下列方程求解：

$\left\{\begin{array}{c}{f}_{1i}\left(x_{A1}\right)=b_i\\ f_{3i}\left(x_{A2}\right)=b_i\\ f_{3i}\left(x_{A3}\right)=0\end{array}\right.$

在步骤6)中，确定不同交通状态下车辆折算系数μ的求解算式，路网内大型车比例为i的条件下，当路网内运行车辆数为x辆时，定义x₀为x对应的路网标准小汽车的当量值；不同阶段的车辆折算系数μ求解方程，确定如下：

①当0＜x≤A_1i时，处于上升段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0}{A_{10}}=\frac{x}{A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{A_{10}-A_{1i}\&CenterDot;(1-i)}{i\&CenterDot;A_{1i}}$

②当A_1i＜x≤A_2i时，处于持续段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{10}}{A_{20}-A_{10}}=\frac{x-A_{1i}}{A_{2i}-A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{20}-A_{10})\&CenterDot;(x-A_{1i})}{(A_{2i}-A_{1i})\&CenterDot;i\&CenterDot;x}+\frac{A_{10}-x\&CenterDot;(1-i)}{i\&CenterDot;x}$

③当A_2i＜x≤A_3i时，处于下降段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{20}}{A_{30}-A_{20}}=\frac{x-A_{2i}}{A_{3i}-A_{2i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{30}-A_{20})\&CenterDot;(x-A_{2i})}{(A_{3i}-A_{2i})\&CenterDot;i\&CenterDot;x}+\frac{A_{20}-x\&CenterDot;(1-i)}{i\&CenterDot;x}$

本发明与现有技术相比，具有如下优点与有益效果：

本发明通过确定研究的路网对象，进行交通参数调查；建立微观仿真路网环境，并在出入口设置检测器并进行编号；运行仿真，模拟自由流到拥堵流的交通变化过程，同时进行流量数据采集；对数据进行处理，获得足够样本的宏观基本图散点坐标O_j＝(N_j,G_j)；绘制基准MFD和目标车辆构成的MFD，并通过分段拟合确定分段函数F_i(x)；根据MFD趋势线图确定MFD的关键点；根据实际需求，求解指定交通运行状态下的车辆换算系数。本发明将从路网宏观层面对车辆折算系数进行研究，综合考虑路网从自由流到拥堵流完整的交通状态。从路网的基本属性出发，更加快速和准确地得到一定服务水平下的路网车辆折算系数。从技术手段上具有较高的可行性。总之，本发明充分利用了宏观基本图的性质，根据不同车型构成下的MFD与基准MFD的相互转换关系，确定了一种宏观层面的确定车辆换算系数的方法。该方法可以为路网服务水平评价和交通控制策略的制定提供技术支持。

附图说明

图1为本发明车辆折算系数总流程图。

图2为本发明各阶段数据类型对应图。

图3为本发明的棋盘式仿真路网设计图。

图4为本发明宏观基本图趋势线拟合图。

图5为本发明宏观基本图模型分段函数示意图。

图6为本发明宏观基本图的分段函数和关键点示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

本实施例所述的基于宏观基本图确定车型折算系数的方法，方案步骤如图1所示，其中各阶段数据类型对应的变量如图2所示。具体实施方式包括如下步骤：

1)首先确定需要研究的路网对象，确定区域的边界，并对路网的基础交通静态参数和动态交通参数分别进行采集，为后续搭建微观仿真环境提供数据支持，所需交通参数资料如下表：

2)根据获取的路网的交通参数，建立交通微观仿真环境平台。为方便表述，选择棋盘式路网作为本发明的实施例，如图3所示，本次选用标准小汽车和大型车作为实例对象，按照国内相关规范选择车辆行驶参数(最大加减速度和期望加减速度)控制车辆行为，求解目标是大型车比例0.6，标准小汽车0.4的车辆构成情况下的大型车折算系数。

接着，设置静态交通运行参数，在路网的所有出入口(包括边界出入口和路网内路段出入口)设置流量检测器，总结所有的入口建立入口编号集合R-Entrance{R₁,R₂...R_i...R_m}，m为入口个数；同理，总结所有出口建立出口编号集合S-Exit{S₁,S₂...S_i...S_n}，n为出口个数。

3)本步骤主要对路网流量进行数据采集，输入交通动态参数，包括车辆构成比例、各个节点转向比例、出入口进出比例和各等级道路的车辆自由行驶速度等。进行两类车辆构成仿真，分别是全标准小汽车流量输入和目标车辆构成流量输入。仿真过程中，按照一定规律不断增大流量输入的值，保证模拟了路网从自由流到拥堵流的全过程；仿真路网内的车辆数是从0开始增长，确定数据检测器的检测间隔时间为Δt，建立时间节点集合T-interval＝{t₀,t₁...t_j...}，其中t_j＝t_j-1+Δt。同时定义时间节点j前Δt时间内出入口检测到的车辆数集合如下：

R_j-Entrance＝{R_1j,R_2j...R_ij...R_mj}

S_j-Exit＝{S_1j,S_2j...S_ij...S_nj}

其中，R_ij表示第i个入口在(t_j-Δt,t_j)时间内统计的车辆数；S_ij表示第i个出口在(t_j-Δt,t_j)时间内统计的车辆数；

4)绘制基准MFD散点图和目标车辆构成散点图。本发明采用的宏观基本图以网络内运行车辆数(NetVolume，N)为横坐标，单位时间(Δt)的输出车辆数为纵坐标(包括到达目的地和驶出该区域的车辆数，记为G)，坐标点记为O＝(N,G)，完整的宏观基本图表现路网交通流从自由行驶状态到严重拥堵状态整个过程。根据检测器收集的数据，获取有效的宏观基本图散点坐标数据，记为O_j＝(N_j,G_j)，其中N_j表示j时间点路网内运行的车辆数，G_j表示(t_j-Δt,t_j)时间段内驶离网络车辆数，计算式如下：

$N_j=N_{j-1}+(\underset{i=1}{\overset{m}{\&Sigma;}}{R}_{ij}-\underset{i=1}{\overset{n}{\&Sigma;}}{S}_{ij})$

$G_j=\underset{i=1}{\overset{n}{\&Sigma;}}{S}_{ij}$

根据获取的散点坐标数据绘制两类宏观基本图散点图。第一类是标准小汽车条件下的宏观基本图散点图(标准小汽车比例为1)，定义为基准图；第二类是目标车辆构成条件下的宏观基本图散点图(大型车比例为0.6，标准小汽车比例为0.4)。

5)根据绘制的宏观基本图散点图生成宏观基本图模型。根据步骤4)处理后的样本数据绘制宏观基本图散点图。根据绘制的宏观基本图散点图的变化趋势，分为上升段、持续段和下降段三部分。上升段和下降段采用最小二乘法进行拟合，持续段采用均值拟合，结果如图4所示。定义F_i(x)函数为大型车比例为i时的宏观基本图的分段函数，函数表达式如下。

$F_i\left(x\right)=\left\{\begin{array}{cc}{f}_{1i}\left(x\right)& 0<x\&le;A_{1i}\\ f_{2i}\left(x\right)& A_{1i}<x\&le;A_{2i}\\ f_{3i}\left(x\right)& A_{2i}<x\&le;A_{3i}\end{array}\right.$

下标1、2、3分别对应上升段、持续段和下降段，如图5所示，其中A_1i、A_2i、A_3i分别代表大型车比例为i时宏观基本图的前拐点、后拐点和瘫痪点对应的横坐标值。

接着，确定两类宏观基本图的前拐点、后拐点和瘫痪点的横坐标值。根据分段函数的定义，持续段采用均值拟合，因此f_2i(x)应当时常数函数，定义当大型车比例为i时，f_2i(x)＝b_i。对应大型车比例i下的前拐点、后拐点和瘫痪点对应的横坐标值x_A1、x_A2和x_A3可采用下列方程求解。

$\left\{\begin{array}{c}{f}_{1i}\left(x_{A1}\right)=b_i\\ f_{3i}\left(x_{A2}\right)=b_i\\ f_{3i}\left(x_{A3}\right)=0\end{array}\right.$

根据上述方法，求得本实施例对应的两类宏观基本图的分段函数如下：

$F_0\left(x\right)=\left\{\begin{array}{cc}0.1083x+61.8& 0<x\&le;A_{10}\\ 1006& A_{10}<x\&le;A_{20}\\ -0.02x+1640.7& A_{20}<x\&le;A_{30}\end{array}\right.$

$F_{0.6}\left(x\right)=\left\{\begin{array}{cc}0.0851x+24.0& 0<x\&le;A_{1i}\\ 684& A_{1\stackrel{\&CenterDot;}{1}}<x\&le;A_{2i}\\ -0.017x+1113.4& A_{2i}<x\&le;A_{3i}\end{array}\right.$

其中，求解各关键节点横坐标对应的车辆数如下表：

大车比例	前拐点(veh)	后拐点(veh)	瘫痪点(veh)
				0.0	8718	31735	82035
0.6	7756	25258	65494

6)确定不同交通状态下车辆折算系数μ的求解算式。宏观基本图是路网的基本属性，选取标准宏观基本图为基准图(即所有运行车辆均为标准车对应的宏观基本图)，其它车型构成的宏观基本图通过车型换算后可以和基准图保持一致。基于上述性质，如图6所示，以基准宏观基本图(大型车比例为0)为标准，f₁₀(x)、f₂₀(x)和f₃₀(x)表示其各分段函数，A₁₀、A₂₀和A₃₀分别代表前拐点、后拐点和瘫痪点对应的横坐标。路网内大型车比例为i的条件下，当路网内运行车辆数为x辆时，定义x₀为x对应的路网标准小汽车的当量值。不同阶段的车辆折算系数μ求解算式如下：

①当0＜x≤A_1i时，处于上升段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0}{A_{10}}=\frac{x}{A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{A_{10}-A_{1i}\&CenterDot;(1-i)}{i\&CenterDot;A_{1i}}$

②当A_1i＜x≤A_2i时，处于持续段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{10}}{A_{20}-A_{10}}=\frac{x-A_{1i}}{A_{2i}-A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{20}-A_{10})\&CenterDot;(x-A_{1i})}{(A_{2i}-A_{1i})\&CenterDot;i\&CenterDot;x}+\frac{A_{10}-x\&CenterDot;(1-i)}{i\&CenterDot;x}$

③当A_2i＜x≤A_3i时，处于下降段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{20}}{A_{30}-A_{20}}=\frac{x-A_{2i}}{A_{3i}-A_{2i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{30}-A_{20})\&CenterDot;(x-A_{2i})}{(A_{3i}-A_{2i})\&CenterDot;i\&CenterDot;x}+\frac{A_{20}-x\&CenterDot;(1-i)}{i\&CenterDot;x}$

以本发明实施例为例，当0＜x≤7756时，代入式①，对应的车辆换算系数μ为定值1.21；当7756＜x≤25258时，代入式②，以x＝12000辆为例，计算对应的换算系数为1.32；当25258＜x≤65494时，代入式③，以x＝40000辆为例，计算对应的换算系数为1.42。

以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (6)

1.一种基于宏观基本图确定车型折算系数的方法，其特征在于，包括以下步骤：

1)确定路网分析区域的边界，采集路网的静态交通参数和动态交通参数；

2)根据获取的路网的交通参数，建立交通微观仿真平台，同时在路网边界的所有出入口设置流量检测器；

3)对路网流量进行数据采集，进行两类车辆构成即全标准小汽车车辆构成和目标车辆构成的仿真，收集检测间隔时间为Δt内出入路网的车辆数集合R_j和S_j；

4)绘制基准MFD散点图和目标车辆构成散点图，对步骤3)的数据进行整理，坐标数据记为O_j＝(N_j,G_j)，其中N_j表示j时间点路网内运行的车辆数，G_j表示(t_j-Δt,t_j)时间内驶离网络车辆数，绘制对应车辆构成的宏观基本图散点图；

5)根据绘制的宏观基本图散点图，生成宏观基本图模型趋势线图，即分别对宏观基本图散点图的上升段、持续段和下降段进行拟合，其中上升段和下降段采用最小二乘法进行拟合，持续段采用均值拟合，确定分段函数F_i(x)；根据F_i(x)函数确定两类宏观基本图的前拐点、后拐点和瘫痪点的横坐标值；

6)根据宏观基本图的比例关系，基于前拐点、后拐点和瘫痪点确定不同交通状态下车辆折算系数μ的求解算式。

2.根据权利要求1所述的一种基于宏观基本图确定车型折算系数的方法，其特征在于：在步骤1)中，提及的静态交通参数包括路网几何信息、道路限速、节点放行策略和路网组织形式；动态交通参数包括出入口流量、车型构成、车辆节点转向比例和道路交通流运行车速。

3.根据权利要求1所述的一种基于宏观基本图确定车型折算系数的方法，其特征在于：在步骤2)中，利用微观仿真软件建立路网，并在出入口设置检测器，所有入口编号集合为R-Entrance{R₁,R₂...R_i...R_m}，m为入口个数；同理，所有出口建立出口编号集合为S-Exit{S₁,S₂...S_i...S_n}，n为出口个数。

4.根据权利要求1所述的一种基于宏观基本图确定车型折算系数的方法，其特征在于：在步骤3)中，运行仿真过程中，需不断增大流量输入的值，确保模拟了路网从自由流到拥堵流的全过程；确定数据检测器的检测间隔时间为Δt，建立时间节点集合T-interval＝{t₀,t₁...t_j...}，其中t_j＝t_j-1+Δt；同时定义时间节点j前Δt时间内出入口检测到的车辆数集合如下：

R_j-Entrance＝{R_1j,R_2j...R_ij...R_mj}

S_j-Exit＝{S_1j,S_2j...S_ij...S_nj}

其中，R_ij表示第i个入口在(t_j-Δt,t_j)时间内统计的车辆数；S_ij表示第i个出口在(t_j-Δt,t_j)时间内统计的车辆数；

在步骤4)中，根据检测器收集的数据，获取有效的宏观基本图散点坐标数据，记为O_j＝(N_j,G_j)，其中N_j表示j时间点路网内运行的车辆数，G_j表示(t_j-Δt,t_j)时间段内驶离网络车辆数，计算式如下：

$N_j=N_{j-1}+(\underset{i=1}{\overset{m}{\&Sigma;}}{R}_{ij}-\underset{i=1}{\overset{n}{\&Sigma;}}{S}_{ij})$

$G_j=\underset{i=1}{\overset{n}{\&Sigma;}}{S}_{ij}$

根据获取的散点坐标数据绘制宏观基本图散点图。

5.根据权利要求1所述的一种基于宏观基本图确定车型折算系数的方法，其特征在于：在步骤5)中，根据绘制的宏观基本图散点图生成宏观基本图模型，对散点图进行分段拟合，上升段和下降段采用最小二乘法进行拟合，持续段采用均值拟合；函数F_i(x)表达式为：

$F_i\left(x\right)=\left\{\begin{array}{cc}{f}_{1i}\left(x\right)& 0<x\&le;A_{1i}\\ f_{2i}\left(x\right)& A_{1i}<x\&le;A_{2i}\\ f_{3i}\left(x\right)& A_{2i}<x\&le;A_{3i}\end{array}\right.$

下标1、2、3分别对应上升段、持续段和下降段，其中A_1i、A_2i、A_3i分别代表大型车比例为i时宏观基本图的前拐点、后拐点和瘫痪点对应的横坐标值；根据函数F_i(x)的变化特征确定两类宏观基本图的前拐点、后拐点和瘫痪点的横坐标值：根据分段函数拟合方式可知，当大型车比例为i时，f_2i(x)＝b_i，b_i为常数；对应大型车比例i下的前拐点、后拐点和瘫痪点对应的横坐标值x_A1、x_A2和x_A3采用下列方程求解：

$\left\{\begin{array}{c}{f}_{1i}\left(x_{A1}\right)=b_i\\ f_{3i}\left(x_{A2}\right)=b_i\\ f_{3i}\left(x_{A3}\right)=0\end{array}\right..$

6.根据权利要求1所述的一种基于宏观基本图确定车型折算系数的方法，其特征在于：在步骤6)中，确定不同交通状态下车辆折算系数μ的求解算式，路网内大型车比例为i的条件下，当路网内运行车辆数为x辆时，定义x₀为x对应的路网标准小汽车的当量值；不同阶段的车辆折算系数μ求解方程，确定如下：

①当0＜x≤A_1i时，处于上升段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0}{A_{10}}=\frac{x}{A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{A_{10}-A_{1i}\&CenterDot;(1-i)}{i\&CenterDot;A_{1i}}$

②当A_1i＜x≤A_2i时，处于持续段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{10}}{A_{20}-A_{10}}=\frac{x-A_{1i}}{A_{2i}-A_{1i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{20}-A_{10})\&CenterDot;(x-A_{1i})}{(A_{2i}-A_{1i})\&CenterDot;i\&CenterDot;x}+\frac{A_{10}-x\&CenterDot;(1-i)}{i\&CenterDot;x}$

③当A_2i＜x≤A_3i时，处于下降段，对应的方程等式为：

$\left\{\begin{array}{c}\frac{x_0-A_{20}}{A_{30}-A_{20}}=\frac{x-A_{2i}}{A_{3i}-A_{2i}}\\ x_0=x\&CenterDot;i\&CenterDot;\mathrm{\&mu;}+x\&CenterDot;(1-i)\end{array}\right.$

求解方程得如下：

$\mathrm{\&mu;}=\frac{(A_{30}-A_{20})\&CenterDot;(x-A_{2i})}{(A_{3i}-A_{2i})\&CenterDot;i\&CenterDot;x}+\frac{A_{20}-x\&CenterDot;(1-i)}{i\&CenterDot;x}.$