交叉口计算相关公式
交叉口计算相关公式
一、正交（圆弧外）面积A=0.2146*R2
二、斜交（圆弧外）面积A=R2（tanα/2-0.00873α）
三、扇形面积A=n/360*∏R2
四、弓形面积A=1/2[RL-C(R-h)] =1/2[RL-C(R-M)]
五、弦长C=2Rsinα/2
六、中央纵距M=R（1-cosα/2）=C/2tanα/4=E cosα/2
七、曲线长L=α/57.29578*R=R(α*3.1416/180)=0.0174533*R*α
八、外距E=R(secα/2-1)=M*secα/2=T*tanα/2
九、切线长T=R*tanα/2= E*cotα/4=√E(2R+E)=C/2 *secα/2
十、半径R=T/tanα/2= 57.29578/α*L= E/(cosα/2-1)
=M/(1-cosα/2)=C/2*secα/2=(M+C/2)/2M=(T2-E2)/2E
十一、转角（交角）α=tan-1T/R*2 sinα/2=C/2R
cosα/2=(R-M)/R=R/(R+E)=C/2T=M/E tanα/4=E/T=2M/C
另：螺旋筋长度计算
n：桩长度
P：螺旋间距
D：桩直径
d：钢筋直径
平交道口人行道面积计算近似公式：
S=0.00873·a·(R2-r2)+c·m/2
相关性分析(相关系数)
相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值一般介于-1～1之间。相关系数不是等距度量值,而只是一个顺序数据。计算相关系数一般需大样本. 相关系数又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。 相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。 γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关； γ的绝对值越大，相关程度越高。 两个现象之间的相关程度，一般划分为四级： 如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。 相关系数的计算公式为<见参考资料>. 其中xi为自变量的标志值；i＝1，2，…n；■为自变量的平均值， 为因变量数列的标志值；■为因变量数列的平均值。 为自变量数列的项数。对于单变量分组表的资料，相关系数的计算公式<见参考资料>. 其中fi为权数，即自变量每组的次数。在使用具有统计功能的电子计算机时，可以用一种简捷的方法计算相关系数，其公式<见参考资料>. 使用这种计算方法时，当计算机在输入x、y数据之后，可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值，不必再列计算表。 简单相关系数： 又叫相关系数或线性相关系数。它一般用字母r 表示。它是用来度量定量变量间的线性相关关系。 复相关系数: 又叫多重相关系数
道路工程测量(圆曲线缓和曲线计算)
内容：理解线路勘测设计阶段的主要测量工作（初测控制测量、带状地形图测绘、中线测设和纵横断面测量）；掌握路线交点、转点、转角、里程桩的概念和测设方法；掌握圆曲线的要素计算和主点测设方法；掌握圆曲线的切线支距法和偏角法的计算公式和测设方法；了解虚交的概念和处理方法；掌握缓和曲线的要素计算和主点测设方法；理解缓和曲线的切线支距法和偏角法的计算公式和测设方法；掌握路线纵断面的基平、中平测量和横断面测量方；了解全站仪中线测设和断面测量方法。 重点：圆曲线、缓和曲线的要素计算和主点测设方法；切线支距法和偏角法的计算公式和测设方法；路线纵断面的基平、中平测量和横断面测量方法 难点：缓和曲线的要素计算和主点测设方法；缓和曲线的切线支距法和偏角法的计算公式和测设方法。 § 9.1 交点转点转角及里程桩的测设 一、道路工程测量概述 分为：路线勘测设计测量 (route reconnaissance and design survey) 和道路施工测量 (road construction survey) 。 （一）勘测设计测量 (route reconnaissance and design survey) 分为：初测 (preliminary survey) 和定测 (location survey) 1、初测内容：控制测量 (control survey) 、测带状地形图 (topographical map of a zone) 和纵断面图 (profile) 、收集沿线地质水文资料、作纸上定线或现场定线，编制比较方案，为初步设计提供依据。 2、定测内容：在选定设计方案的路线上进行路线中线测量 (center line survey) 、测纵断面图 (profile) 、横断面图 (cross-section profile) 及桥涵、路线交叉、沿线设施、环境保护等测量和资料调查，为施工图设计提供资料。 （二）道路施工测量 (road construction survey) 按照设计图纸恢复道路中线、测设路基边桩和竖曲线、工程竣工验收测量。 本章主要论述中线测量和纵、横断面测量。 二、中线测量 (center line survey) 1、平面线型：由直线和曲线（基本形式有：圆曲线、缓和曲线）组成。 2、概念：通过直线和曲线的测设，将道路中心线的平面位置测设到地面上，并测出其里程。即测设直线上、圆曲线上或缓和曲线上中桩。
如何用SPSS求相关系数
参见： [1] 衷克定数据统计分析与实践—SPSS for Windows[M].北京：高等教育出版社，2005.4：195— [2] 试验设计与SPSS应用[M].北京，化学工业出版社，王颉著，2006.10：141— 多元相关与偏相关 如何用SPSS求相关系数 1 用列联分析中，计算lamabda相关系数，在分析——描述分析——列联分析 2 首先看两个变量是否是正态分布，如果是,则在analyze-correlate-bivariate中选择 pearson相关系数，否则要选spearman相关系数或Kendall相关系数。如果显著相关，输出结果会有*号显示，只要sig的P值大于0.05就是显著相关。如果是负值则是负相关。 在SPSS软件相关分析中,pearson(皮尔逊), kendall（肯德尔）和spearman（斯伯曼/斯皮尔曼）三种相关分析方法有什么异同 两个连续变量间呈线性相关时，使用Pearson积差相关系数，不满足积差相关分析的适用条件时，使用Spearman秩相关系数来描述. Spearman相关系数又称秩相关系数，是利用两变量的秩次大小作线性相关分析，对原始变量的分布不作要求，属于非参数统计方法，适用范围要广些。对于服从Pearson相关系数的数据亦可计算Spearman相关系数，但统计效能要低一些。Pearson相关系数的计算公式可以完全套用Spearman相关系数计算公式，但公式中的x和y用相应的秩次代替即可。 Kendall's tau-b等级相关系数：用于反映分类变量相关性的指标，适用于两个分类变量均为有序分类的情况。对相关的有序变量进行非参数相关检验；取值范围在-1-1之间，此检验适合于正方形表格； 计算积距pearson相关系数，连续性变量才可采用;计算Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据; 计算Kendall秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。 计算相关系数：当资料不服从双变量正态分布或总体分布未知，或原始数据用等级表示时，宜用spearman或kendall相关 Pearson 相关复选项积差相关计算连续变量或是等间距测度的变量间的相关分析Kendall 复选项等级相关计算分类变量间的秩相关，适用于合并等级资料 Spearman 复选项等级相关计算斯皮尔曼相关，适用于连续等级资料 注： 1若非等间距测度的连续变量因为分布不明-可用等级相关/也可用Pearson 相关，对于完全等级离散变量必用等级相关 2当资料不服从双变量正态分布或总体分布型未知或原始数据是用等级表示时,宜用Spearman 或Kendall相关。 3 若不恰当用了Kendall 等级相关分析则可能得出相关系数偏小的结论。则若不恰当使用，可能得相关系数偏小或偏大结论而考察不到不同变量间存在的密切关系。对一般情况默认数据服从正态分布的，故用Pearson分析方法。 在SPSS里进入Correlate－》Bivariate，在变量下面Correlation Coefficients复选框组里有3个选项：
附录相关系数r的计算公式的推导.doc
相 关 系 数 r AB 的 计 算 公 式 的 推 导 设 A i 、 B i 分别表示证券 A 、证券 B 历史上各年获得的收益率； A 、 B 分别表示证券 A 、证券 B 各 年获得的收益率的平均数； P i 表示证券 A 和证券 B 构成的投资组合各年获得的收益率，其他符号的含义 同上。 2 = 1A n 1 2 = 1B n 1 2 1 P = 1 n = 1 n 1 = 1 n 1 = 1 n 1 = 1 n 1 =A 2 A × =A 2 2 A A ( A i A) 2 (B i B) 2 (P i 1 P i ) 2 n 1 [( A A A i A B B i ) ( A A A i A B B i )]2 n [( A A A i A B B i ) (A A A A B B)] 2 [ A A ( A i A) A B (B i B)] 2 [ 2 ( A i ) 2 2 ( B i B ) 2 2 A A A B ( A i )( B )] A A A A B A B i ( A i A) 2 A B 2 × ( B i B) 2 2A A A B [( A i A)( B i B)] n 1 n 1 n 1 2 2 2A A A B [( A i A)( B i B)] A B B n 1 对照公式（ 1）得： ( A i A) 2 (B i B) 2 = × n × r AB n 1 1 ∴ r AB = [( A i A)( B i B)] ( A i A)2 (B i B) 2 这就是相关系数 r AB 的计算公式。 投资组合风险分散化效应的内在特征 1. 两种证券构成的投资组合为最小方差组合（即风险最小）时各证券投资比例的测定 公式（ 1）左右两端对 A A 求一阶导数，并注意到 A B =1—A A ： 2 2 2 A B r AB ( P )′=2A A A －2(1 －A A ) B ＋ 2 (1 － A A ) A B r AB －2A A 令 ( P 2 )′=0 并简化，得到使 P 2 取极小值的 A A ： 2 B r AB A A = B A （ 3） 2 2 2 A B r AB A B 式中,0 ≤ A A ≤ 1, 否则公式（ 3）无意义。
公路竖曲线计算
竖曲线及平纵线形组合设计 （纵断面上相邻两条纵坡线相交的转折处，为了行车平顺用一段曲线来缓和，这条连接两纵坡线的曲线叫竖曲线。） 竖曲线的形状，通常采用平曲线或二次抛物线两种。在设计和计算上为方便一般采用二次抛物线形式。 纵断面上相邻两条纵坡线相交形成转坡点，其相交角用转坡角表示。当竖曲线转坡点在曲线上方时为凸形竖曲线，反之为凹形竖曲线。 一、竖曲线 如图所示，设相邻两纵坡坡度分别为i 1 和i 2，则相邻两坡度的代数差即转坡角为ω= i 1-i 2 ，其中i 1、i 2为本身之值，当上坡时取正值，下坡时取负值。 当 i 1- i 2为正值时，则为凸形竖曲线。当 i 1 - i 2 为负值时，则为凹形竖曲线。 （一）竖曲线基本方程式 我国采用的是二次抛物线形作为竖曲线的常用形式。其基本方程为： Py x 22= 若取抛物线参数P 为竖曲线的半径 R ，则有： Ry x 22 = R x y 22= （二）竖曲线要素计算公式
竖曲线计算图示 1、切线上任意点与竖曲线间的竖距h 通过推导可得： ==PQ h )()(2112li y l x R y y A A q p ---=-R l 22= 2、竖曲线曲线长： L = R ω 3、竖曲线切线长： T= T A =T B ≈ L/2 =2 ωR 4、竖曲线的外距： E =R T 22 ⑤竖曲线上任意点至相应切线的距离：R x y 22= 式中：x —为竖曲任意点至竖曲线起点（终点）的距离, m ； R —为竖曲线的半径，m 。 二、竖曲线的最小半径 (一)竖曲线最小半径的确定 1.凸形竖曲线极限最小半径确定考虑因素 （1）缓和冲击 汽车行驶在竖曲线上时，产生径向离心力，使汽车在凸形竖曲线上重量减小，所以确定竖曲线半径时，对离心力要加以控制。 （2）经行时间不宜过短
交叉口延误调查报告样本
交通调查与分析 ——交叉口延误调查实践报告 调查小组成员: 谭政、张思宏、刘正、黄家俊、黄钧豪、杜冠霖、张国龙、常乐、张梦杰、卢启智、叶跃军 班级: 10 交通工程 ( 1) 班 任课老师: 李德慧
目录 一调查情况.....................................................................3 1.1调查目的 (3) 1.2调查小组成员 (3) 1.3调查时间 (3) 1.4调查地点 (3) 二道路基本情况 (3) 三调查过程 (3) 3.1调查计划安排 (3) 3.2调查地点情况概述 (4) 3.3调查人员安 排.........................................................4 3.4调查方法...............................................................4 3.5调查人员及器具 (5) 四调查数据分析 (6) 4.1调查数据汇总 (6) 4.2调查数据分
析 (7) 4.3影响数据分析 (8) 五调查结论 (8) 一调查概况 1.1调查目的: 延误调查目的, 能够确定产生延误地点, 类型和大小, 评价道路交通流的运行效率, 在交通阻塞路段找出延误原因, 为制定交通设施的改进方案, 减少延误提供依据。 1.2调查小组成员: 谭政、张思宏、刘正、黄家俊、黄钧豪、杜 冠霖、张国龙、常乐、张梦杰、卢启智、 叶跃军。 1.3 调查时间: .11.27 16:00-16:30 1.4调查地点: 旅游路与梅界路交叉口 二道路基本状况
相关系数计算 理论简化
统计相关计算 互协方差矩阵描述两个随机信号()i x ξ和()j x ξ之间的相关程度。一般来说，互协方差函数越大，则两个随机信号的相关程度越强；反之，相关程度越弱。但是，这种使用互协方差的绝对大小度量两个随机向量的相关程度并不方便。 两个随机变量()x ξ和()y ξ之间的相关系数定义为： def xy xy x y c ρσσ= (1.1) 2x σ和2y σ分别是()x ξ和()y ξ的方差。对相关系数的定义公式，易知 01xy ρ≤≤ (1.2) 相关系数xy ρ给出了两个随机变量()x ξ和()y ξ之间的相似程度的度量：xy ρ越接近于零，随机变量()x ξ和()y ξ之间的相似程度越弱；反之，xy ρ越接近于1，则变量()x ξ和()y ξ之间的相似程度越大。特别地，相关系数的两个极端值0和1有重要的意义。 容易验证随机变量()x ξ和()y ξ之间只相差一个固定的幅值比例因子和一个固定的相位角，这两个随机变量完全相关（或相干）。 备注：在操作时一般选择无偏的情况 Matlab 编程 %% 统计的数据相关 clear ; %生成两组数据各50个 x=randint(1,50,[1 10]); y=randint(1,50,[1 10]); %% 做两个数据的统计相关性当n 很大的时候有偏估计和无偏估计是一致的
% 数据的互协方差 hxfcwp=cov(x,y,0); %数据的无偏协方差除以数据n-1 hxfcyp=cov(x,y,1); %数据的有偏协方差除以数据n % 数据的标准差 bzcwpx=var(x,0); %数据的无偏方差除以数据n-1 bzcwpy=var(y,0); %数据的无偏方差除以数据n-1 bzcypx=var(x,1); %数据的有偏方差除以数据n bzcypy=var(y,1); %数据的有偏方差除以数据n % 相关性计算 Awuxgx=hxfcwp/(sqrt(bzcwpx)*sqrt(bzcwpy));%无偏的相关性 Ayuxgx=hxfcyp/(sqrt(bzcypx)*sqrt(bzcypy));%有偏的相关性 % 无偏的相关性和有偏的相关性得到的是2*2矩阵非对角元素是他们的相关性%% 更简单的是直接matlab自带结果 Az=corrcoef(x,y); %matlab自带的求解器非对角元素是他们的相关性
线性回归方程中的相关系数r
线性回归方程中的相关系数r r=∑(Xi-X的平均数)(Yi-Y平均数)/根号下[∑(Xi-X平均数)^2*∑(Yi-Y平均数)^2]
R2就是相关系数的平方， R在一元线性方程就直接是因变量自变量的相关系数，多元则是复相关系数 判定系数R^2 也叫拟合优度、可决系数。表达式是: R^2=ESS/TSS=1-RSS/TSS 该统计量越接近于1，模型的拟合优度越高。 问题：在应用过程中发现，如果在模型中增加一个解释变量，R2往往增大 这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。 ——但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。 这就有了调整的拟合优度: R1^2=1-(RSS/(n-k-1))/(TSS/(n-1)) 在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响: 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。 总是来说，调整的判定系数比起判定系数，除去了因为变量个数增加对判定结果的影响。R = R接近于1表明Y与X1，X2 ，…，Xk之间的线性关系程度密切； R接近于0表明Y与X1，X2 ，…，Xk之间的线性关系程度不密切 相关系数就是线性相关度的大小，1为（100%）绝对正相关，0为0%，-1为（100%）绝对负相关 相关系数绝对值越靠近1，线性相关性质越好，根据数据描点画出来的函数-自变量图线越趋近于一条平直线，拟合的直线与描点所得图线也更相近。 如果其绝对值越靠近0，那么就说明线性相关性越差，根据数据点描出的图线和拟合曲线相差越远（当相关系数太小时，本来拟合就已经没有意义，如果强行拟合一条直线，再把数据点在同一坐标纸上画出来，可以发现大部分的点偏离这条直线很远，所以用这个直线来拟合是会出现很大误差的或者说是根本错误的）。 分为一元线性回归和多元线性回归 线性回归方程中,回归系数的含义 一元： Y^=bX+a b表示X每变动（增加或减少）1个单位,Y平均变动（增加或减少）b各单位多元： Y^=b1X1+b2X2+b3X3+a 在其他变量不变的情况下，某变量变动1单位，引起y平均变动量 以b2为例：b2表示在X1、X3（在其他变量不变的情况下）不变得情况下，X2每变动1单位，y平均变动b2单位 就一个reg来说y=a+bx+e a+bx的误差称为explained sum of square e的误差是不能解释的是residual sum of square
线性相关系数的计算
Spss电脑实验－第六节(3)线性相关系数的计算 https://www.360docs.net/doc/c311492253.html,更新时间：2006-1-19 21:11:30 关注指数：7992 Ⅲ．线性相关系数的计算 1. 线性相关的概念 如果各统计指标是定量数据，要了解它们间的关系密切程度，可用线性相关分析。 例如：大家都知道的糖尿病病人，它靠胰岛素来治疗。现测量20 名糖尿病病人（以ID 来编号）血中的血糖值（y）、胰岛素值（x1）和生长激素值（x2）。我们即可分析 y、x1 和x2 间的两两/ 双变量间的线性关系。数据见下面的程序文件CorreRegre2.sps 的例*2。 2. 线性相关计算的所用命令 用SPSS Analyze 菜单中的子菜单Correlate，其中的Bivariate 对话框即可计算两两/ 双变量间的线性相关系数r 及其显著性。这是通常最常见、最常用的情况。 本例所用程序文件名为CorreRegre2.sps 中的例*2。（例*2 中还有用于偏相关系数与距离相关系数的计算命令，详后）。 ---------------------------------------------------------------- *2. Prof. Zhang Weng-Tong: SPSS 11, P.273-277:. DATA LIST FREE /ID y x1 x2. BEGIN DATA. 1 12.21 15.20 9.51 2 14.54 16.70 11.43 3 12.27 11.90 7.53 4 12.04 14.00 12.17 5 7.88 19.80 2.33 6 11.10 16.20 13.52 7 10.43 17.00 10.07 8 13.32 10.30 18.89 9 19.59 5.90 13.14 10 9.05 18.70 9.63 11 6.44 25.10 5.10 12 9.49 16.40 4.53 13 10.16 22.00 2.16 14 8.38 23.10 4.26 15 8.49 23.20 3.42 16 7.71 25.00 7.34 17 11.38 16.80 12.75 18 10.82 11.20 10.88 19 12.49 13.70 11.06 20 9.21 24.40 9.16 END DATA. CORRELATIONS /VARIABLES=y x1 x2 /PRINT=TWOTAIL NOSIG. NONPAR CORR /VARIABLES=y x1 x2 /PRINT=SPEARMAN TWOTAIL NOSIG.
道路坐标计算公式(简单实用)
曲线坐标计算 1、曲线要素计算 （1）缓和曲线常数计算 移距R l 24/p 2 s = 切垂距 23 s 240/2/m R l l s -= 缓和曲线角R l R l s s πβ/902/0??== （2）曲线要素计算 切线长 m R T ++=2/tan )p (α 曲线长 ?+=?-+=180/]180/)2([20απβαπR l R l L s s 外矢距 R R E -+=)]2/cos(/)p [(0α 切曲差 L T q -=2 2、主要点的里程推算
s s s S l YH HZ )/22l -(L QZ YH )/22l -(L HY QZ l +=+=+=+=-=ZH HY T JD ZH 检核： HZ T JD =-+q 3、方位角计算 根据已知JD1和JD2的坐标计算出 21JD JD -α 偏角βαα±=--211JD JD JD ZH ?±-=-18011JD ZH ZH JD αα 4、计算直线中桩坐标 (1)计算ZH 点坐标： ZH JD JD ZH ZH JD JD ZH T y y T x x --?+=?+=1111sin cos αα (2)计算HZ 点坐标： 2 11211cos cos JD JD JD HZ JD JD JD HZ T y y T x x --?+=?+=αα (3)计算直线上任意点中桩坐标 待求点到JD1的距离为i L 2 112 11sin cos -JD JD i JD i JD JD i JD i i L y y L x x HZ T L --?+=?+=+=αα里程 待求点里程 5、计算缓和曲线中桩坐标 (1)第一缓和曲线上任意点中桩坐标 在切线坐标系中的坐标为： s i s i Rl l y Rl l l x 6/)(40/3 25=-= ZH 到所求点方位角：
交叉口延误
交叉口延误调查及分析 姓名：方雪娇 学号：S200704185 日期：2007年10月26日
1 实验概述 1.1 试验目的 了解交叉口的延误调查情况，通过获得的延误数据进行分析，得到交叉口的延误值，并根据延误评价交叉口的服务水平，用来为交叉口的改善作依据。 1.2 试验内容 利用点样本法对选定的交叉口进行延误调查，获得各进口引道的延误值计算出该交叉口的延误，并评价其服务水平。 1.3 试验设备和人员 试验设备：秒表四块、笔、纸。 试验人员：20人，分为四组，分别对交叉口的四个进口道进行延误调查，一人报时，四人观测并记录。 1.4 试验地点和时间 调查交叉口选北京工业大学南门的松榆北路与西大望路相交的交叉口。调查时间选在气候良好、交通状况正常的高峰时段，因此选择2007年10月19日早高峰时段7:10～7:25调查。 2 实验实施 整个实验分为两部分：抽样调查过程（确定样本量和信号周期）和正式调查过程。 首先进行抽样调查计算要求的样本量： 先对该交叉口进行短时间的抽样调查，得出停驶率p 大概为68.6%；取90%的置信度，则 1.64K =，停车百分比的容许误差拟为0.1h =，则有 根据pN K p h 2)1(-=，推得12401.0686.07.2)686.01()1(2 2=??-=-=ph K p N 。 因此，可求得样本量N 即至少应观测124辆车。
在2007年10月19日早7:00，20名试验人员在北京工业大学南门的松榆北路与西大望路相交的交叉口，利用点样本法测量交叉口各个引道上的延误时间。 将20人分为四组，每组五个人和一块秒表。首先，各引道处试验者预先对表并确定开始试验的时间；然后，五个人站在停车线附近的路侧隔离带上，其中报时员手持秒表，按预先选定的时间间隔15s 通知该组其他成员，第一名观测员负责清点停在停车线后面的车数，每15s 间隔清点一次，并记录。第二名观测者负责清点经过停车通过停车线的车辆数（停驶数），每分钟小计一次，并记录。第三名观测者清点不经停车通过停车线的车辆数（不停驶数），每分钟小计一次，并记录。第四名观测者调查进口道高峰5min 的交通流率，并记录。连续不断的重复上述过程，直到取得所需的样本量，本试验观测15min ，样本量符合要求。 3 实验数据分析 3.1信号周期和相位相序 该交叉口的周期时长为160s ，相位相序情况如上图所示。 3.2各个进口引道的延误 先对四个进口引道进行延误测量，计算出延误时间。主要根据下面几个公式： 总延误=总停驶数?抽样时间间隔，辆?秒 每一停驶车辆的平均（停车）延误= s ，停驶车辆数总延误 每一入口车辆的平均（停车）延误= s ，入口交通量总延误 停驶车辆百分比= % %100，入口交通量停驶车辆数 ?
第三章：相关系数r 的计算公式的推导
设A i 、B i 分别表示证券A 、证券B 历史上各年获得的收益率；A 、B 分别表示证券A 、证券B 各年获得的收益率的平均数；P i 表示证券A 和证券B 构成的投资组合各年获得的收益率，其他符号的含义同上。 2 A σ= 11 -n 2)(∑-A A i 2 B σ=1 1-n )(B B i -∑2 2 P σ=11-n 2)1(∑∑-i i P n P =2)](1 )[(11i B i A i B i A B A A A n B A A A n +-+-∑∑ =2)]()[(1 1 B A A A B A A A n B A i B i A +-+-∑ =2)]()([1 1 B B A A A A n i B i A -+--∑ =)])((2)()([1 122 22B B A A A A B B A A A A n i i B A i B i A --+-+--∑ =A 2 A × 2 2 1 )(B i A n A A +--∑× 1 )] )([(21 )(2 ---+ --∑∑n B B A A A A n B B i i B A i =A 1 )])([(22 2 2 2---? ++∑n B B A A A A A i i B A B B A A σσ 对照公式（1）得： = 1 )(2 --∑n A A i × 1 )(2 --∑n B B i × r AB ∴ r AB = ∑∑∑-?---2 2 ) ()()] )([(B B A A B B A A i i i i 这就是相关系数r AB 的计算公式。 投资组合风险分散化效应的内在特征 1.两种证券构成的投资组合为最小方差组合（即风险最小）时各证券投资比例的测定 公式（1）左右两端对A A 求一阶导数，并注意到A B =1—A A ： (2 P σ)′=2 A A 2 A σ－2 (1－A A )2 B σ＋2 (1－A A )B A σσ r AB －2A A B A σσ r AB 令 (2 P σ)′= 0 并简化，得到使2 P σ取极小值的A A ： AB B A i i r n B B A A σσ =---∑1 )])([(
常用相关分析方法及其计算
二、常用相关分析方法及其计算 在教育与心理研究实践中，常用的相关分析方法有积差相关法、等级相关法、质量相关法，分述如下。 （一）积差相关系数 1. 积差相关系数又称积矩相关系数，是英国统计学家皮尔逊（Pearson ）提出的一种计算相关系数的方法，故也称皮尔逊相关。这是一种求直线相关的基本方法。 积差相关系数记作XY r ，其计算公式为 ∑∑∑===----= n i i n i i n i i i XY Y y X x Y y X x r 1 2 1 2 1 ) ()() )(( (2-20) 式中i x 、i y 、X 、Y 、n 的意义均同前所述。 若记X x x i -=,Y y y i -=，则（2-20）式成为 Y X XY S nS xy r ∑= (2-21) 式中n xy ∑称为协方差，n xy ∑的绝对值大小直观地反映了两列变量的一致性程 度。然而，由于X 变量与Y 变量具有不同测量单位，不能直接用它们的协方差 n xy ∑来表示两列变量的一致性，所以将各变量的离均差分别用各自的标准差 除，使之成为没有实际单位的标准分数，然后再求其协方差。即： ∑∑?= = )()(1Y X Y X XY S y S x n S nS xy r
Y X Z Z n ∑?= 1 (2-22) 这样，两列具有不同测两单位的变量的一致性就可以测量计算。 计算积差相关系数要求变量符合以下条件：（1）两列变量都是等距的或等比的测量数据；（2）两列变量所来自的总体必须是正态的或近似正态的对称单峰分布；（3）两列变量必须具备一一对应关系。 2. 积差相关系数的计算 利用公式 (2-20)计算相关系数，应先求两列变量各自的平均数与标准差，再求离中差的乘积之和。在统计实践中，为方便使用数据库的数据格式，并利于计算机计算，一般会将(2-20)式改写为利用原始数据直接计算XY r 的公式。即： ∑∑∑∑∑∑∑---= 2 22 2 ) () (i i i i i i i i XY y y n x x n y x y x n r (2-23) （二）等级相关 在教育与心理研究实践中，只要条件许可，人们都乐于使用积差相关系数来度量两列变量之间的相关程度，但有时我们得到的数据不能满足积差相关系数的计算条件，此时就应使用其他相关系数。 等级相关也是一种相关分析方法。当测量得到的数据不是等距或等比数据，而是具有等级顺序的测量数据，或者得到的数据是等距或等比的测量数据，但其所来自的总体分布不是正态的，出现上述两种情况中的任何一种，都不能计算积差相关系数。这时要求两列变量或多列变量的相关，就要用等级相关的方法。 1. 斯皮尔曼(Spearman)等级相关 斯皮尔曼等级相关系数用R r 表示，它适用于两列具有等级顺序的测量数据，或总体为非正态的等距、等比数据。
圆曲线缓和曲线计算公式
圆曲线缓和曲线计算公式
圆曲线缓和曲线计算公式 2011-09-13 15:19:36| 分类：默认分类|字号订阅 第九章道路工程测量(圆曲线缓和曲线计算公式) 学习园地2010-07-29 13:10:53阅读706评论0 字号：大中小订阅 [教程]第九章道路工程测量(圆曲线缓和曲线计算公式)未知2009-12-09 19:04:30 广州交通技术学院第九章道路工程测量(road engineering survey) 内容：理解线路勘测设计阶段的主要测量工作（初测控制测量、带状地形图测绘、中线测设和纵横断面测量）；掌握路线交点、转点、转角、里程桩的概念和测设方法；掌握圆曲线的要素计算和主点测设方法；掌握圆曲线的切线支距法和偏角法的计算公式和测设方法；了解虚交的概念和处理方法；掌握缓和曲线的要素计算和主点测设方法；理解缓和曲线的切线支距法和偏角法的
计算公式和测设方法；掌握路线纵断面的基平、中平测量和横断面测量方；了解全站仪中线测设和断面测量方法。 重点：圆曲线、缓和曲线的要素计算和主点测设方法；切线支距法和偏角法的计算公式和测设方法；路线纵断面的基平、中平测量和横断面测量方法 难点：缓和曲线的要素计算和主点测设方法；缓和曲线的切线支距法和偏角法的计算公式和测设方法。 § 9.1 交点转点转角及里程桩的测设一、道路工程测量概述 分为：路线勘测设计测量(route reconnaissance and design survey) 和道路施工测量(road construction survey) 。（一）勘测设计测量(route reconnaissance and design survey) 分为：初测(preliminary survey) 和定测(location survey) 1、初测内容：控制测量(control survey) 、测带状地形图(topographical map of a zone) 和纵断面图(profile) 、收集沿线地质水文资
对交叉口车辆延误的分析和研究
对交叉口车辆延误的分析和研究 【摘要】城市道路交通的通行能力制约关键在交叉口。近年来城市道路交通日趋拥挤，道路交叉口经常出现车辆排队等候通行的情况，而交通高峰期间，这种现象尤为严重。本文通过对影响交叉口延误的因素以及解决的着重点方面，分析并研究降低交叉口延误的措施。 【关键词】交叉口，延误，综合分析，智能交通， 一、交叉口延误的定义[2] 延误是评价交叉口服务水平和车辆通行效率的一个重要指标．信号交叉口延误是由于交叉口处信号控制引起交通流间断而损失的车辆行驶时间，包括排队延误、停车延误、控制延误、引道延误等。 二、信号交叉口延误的主要延误分析 （一）绿灯时间延长[5]和相位差 在交叉口存在大量非机动车交通的情况下，为确保其在相位切换时安全通过冲突点，绿灯时间有必要有所延长，这也将导致机动车可通行时间的损失．“相位差”【4】，是指相邻两信号的绿灯或红灯的起点或中点之间的时间之差。信号交叉口红绿灯之间的相位差是决定交叉口服务水平的决定因素，他影响行人和车辆的等待时间，如果绿灯和红灯相位差的不合理，会很大程度上增大交叉口延误。 （二）机动车辆司机选择转向 法国公路网四通八达．路面状况良好．而且交通标识设置堪称一流。在各级公路的交叉路口都设有指示近、中、远目的地的醒目路标，确保司机不会因找路分散注意力引发事故。一些城市快速路和高速公路上．还设有电子显示牌．循环显示交通信息，帮助司机提前做好准备和选择．以减少事故及拥堵发生。 （三）非机动车穿越冲突区的影响[5] 非机动车在交叉口内与机动车在同一平面上运行，无任何隔离防护，通常在到冲突区后停车等候，当机动车流出现可接受间隙时，非机动车穿越冲突区，机动车为保证行车安全，通常会采取减速措施，此时冲突车流的平均速度明显低于无非机动车等候穿越时的平均速度． （四）非机动车在绿灯初期占用冲突区的影响[5] 非机动车机动灵活，易于起动和加速，通常可以在黄灯下起动，抢先占领交叉口内的冲突区域．此时机动车无法行进，只能等该批非机动车通过后才可通行．在
第三章附录：相关系数r 的计算公式的推导
相 关 系 数 r AB 的计算公式的推导 设A i 、B i 分别表示证券A 、证券B 历史上各年获得的收益率；A 、B 分别表示证券A 、证券B 各年获得的收益率的平均数；P i 表示证券A 和证券B 构成的投资组合各年获得的收益率，其他符 号的含义同上。 2 A σ=1 1-n 2)(∑-A A i 2 B σ=1 1-n )(B B i -∑2 2 P σ= 12)1(-i i P P 公式（1）左右两端对A A 求一阶导数，并注意到A B =1—A A ： (2P σ)′=2 A A 2A σ－2 (1－A A )2B σ＋2 (1－A A )B A σσ r AB －2A A B A σσ r AB 令 (2P σ)′= 0 并简化，得到使2 P σ取极小值的A A ： A A =AB B A B A AB B A B r r σσσσσσσ22 22-+- … …………………………………（3） 式中, 0≤A A ≤1,否则公式（3）无意义。 由于使(2P σ)′=0的A A 值只有一个，所以据公式（3）计算出的A A 使2 P σ为最小值。
以上分析清楚地说明：对于证券A和证券B，只要它们的系数r AB 适当小（r AB 的“上限”的 计算，本文以下将进行分析），由证券A和证券B构成的投资组合中，当投资于风险较大的证券B 的资金比例不超过按公式（3）计算的（1—A A ），会比将全部资金投资于风险较小的证券A的方 差（风险）还要小；只要投资于证券B的资金在（1—A A ）的比例范围内，随着投资于证券B的资 金比例逐渐增大，投资组合的方差（风险）会逐渐减少；当投资于证券B的资金比例等于（1—A A ）时，投资组合的方差（风险）最小。这种结果有悖于人们的直觉，揭示了风险分散化效应的内在特征。按公式（3）计算出的证券A和证券B的投资比例构成的投资组合称为最小方差组合，它是证券A和证券B的各种投资组合中方差（亦即风险）最小的投资组合。
三种常用的不同变量之间相关系数的计算方法
三种常用的不同变量之间相关系数的计算方法 1．定类变量之间的相关系数． 定类变量之间的相关系数，只能以变量值的次数来计算，常用λ系数法， 其计算公式为： (3.2.12) 式中，为每一类x中y分布的众数次数；为变量y各分类次数的众数次数；n为总次数。一般来说，λ系数在0～1之间取值，值越大表明相关程度越高。 例如，性别与对吸烟的态度资料见表3—2。 表3—2 性别与对吸烟态度 态度y 性别x 男女合计（Fy） 容忍反对37 15 8 42 45 57 合计（Fx）52 50 102 从y的分布来看，对吸烟的态度众数是“反对”，众数次数为57,即＝57。再从x的每 一个分组(男、女)中y的次数分布来看，男性中y的分布众数是“容忍”，次数为37(f1m)；女性中y的分布众数是“反对”，次数为42(f2m)；总次数为102(n)。于是， 从计算结果可知，性别与对吸烟态度的相关程度为0.49，属于中等相关。 2．定序变量之间的相关系数
定序变量之间的相关测量常用Gamma系数法和Spearman系数法。Gamma系数法计算公式为： (3.2.13) 式中，G为系数；Ns为同序对数目；Nd为异序对数目。 所谓序对是指表明高低位次的两两配对，如果一对个案在变量x，y的分类表现位次一致，则为同序对；如果位次相反，则为异序对。 G系数取值在—1--十1之间。G=1，表示完全正相关；G=-1，表示完全负相关；G=0,表示完全不相关；－1 高速公路竖曲线计算方法 【摘要】本文从竖曲线的严密计算公式入手，推导竖曲线上点的设计高程和里程的精确计算方法。分析和比较了近似公式和严密公式的差别及对设计高 程和里程的影响。在道路勘测设计中用本方法可取得精确、方便、迅速的效果， 建议取代传统的近似方法。 一、引言 在传统的道路纵断面设计中，竖曲线元素及对应桩号里程和设计高程均采用 近似公式计算，在低等级道路及计算工具很落后的时代曾起到过很大的作用。 但是随着高级道路的快速发展，道路竖曲线半径的不断加大，设计和施工的精度要求越来越高，因此，对勘测设计工作提出了很高的要求。采用近似的方法进 行勘测设计已难以满足高精度、高效灵活的要求。为此本文给出了实用、精确的竖曲线计算公式，以解决实际工作中存在的问题。 二、计算原理 1. 近似计算公式 如图1所示，设道路纵坡的变坡点为I，其设计高程为H I,里程为D I，两侧的纵坡度分别为i1、i2，竖曲线设计半径为R，竖曲线各元素的近似计算公式如下： 图 1 2. 精确计算公式 如图2所示，在图中建立以水平距离为横坐标轴d,铅垂线为纵坐标轴H′的dOH′直角坐标系，A点的坐标为(d A，0)，Z点的坐标为(0，H Z′)，竖曲线各元素的精确计算公式如下： α1＝arctani 1 (1) α2＝arctani 2 (2) ω＝α1-α2(3) T＝Rtan(4) E＝R(sec-1) (5) d I＝Tcosα1 (6) d A＝Rsinα1 (7) H Z′＝Rcosα1 (8) 竖曲线在直角坐标系中的方程为： (d-d A)2+H′２＝R2 (9) 由式(9)可推算出竖曲线上任一与Z点的里程差为d的点的纵坐标值H′，则 0≤d≤ｄY (10) 并可立即推算点的设计高程和里程： H＝H′-ΔH (11) D＝D Z+d (D Z＝D I-d I) (12) 式中，α1，α2分别为纵坡线与水平线的夹角；ω为变坡角；Τ为切线长；Ε为外矢距；d I为纵坡变坡点I与Z点的里程差；d A为竖圆曲线圆心A与Z点的里程差；H′为竖圆曲线上任一点的纵坐标值；d为竖圆曲线上任一点与Z点的里程差；H为竖圆曲线上任一点的设计高程；ΔH＝H′Ｚ-H Z为Z点纵坐标值与Z 点设计高程之差(H Z＝H I-d I.i1)；D为竖曲线上任一点的里程。 由式(10)可知，当d=d A时，则里程D N＝D Z+d A的N点为竖圆曲线的变坡点， 其高程H N＝H N′-ΔH＝R-ΔH＝max，N点在现场施工中具有很重要的指导意义。 三、计算实例 某山岭重丘的二级公路的纵坡变坡点I，其设计高程H I＝68.410 m，里程D I 目录 1调查交叉口早或晚高峰相关数据 (1) 1、1调查交叉口早或晚高峰相关数据 (1) 2根据实际调查建立仿真模型 (3) 2、1根据实际调查建立仿真模型 (3) 3、交叉口延误情况 (3) 3、1信号配时 (3) 3、2计算延误的结果为 (4) 4对路口重新评价平均延误 (5) 4、1优化信号配时与渠化设计之后的信号配时 (5) 4、2平均延误 (5) 1调查交叉口早或晚高峰相关数据 1、1调查交叉口早或晚高峰相关数据 根据小组调研数据所得两个路口6个方向车流量分别为 图1 府前东街-顺通路 东方向直行左转右转小汽车540 156 60 公交车34 10 6 北方向 小汽车180 58 30 公交车21 7 5 南方向 小汽车154 74 36 公交车24 10 6 表1 府前西街-新顺南北大街 西方向直行左转右转小汽车527 64 292 公交车28 9 5 北方向 小汽车314 116 124 公交车25 12 8 南方向 小汽车408 174 66 公交车24 10 12 表2 2根据实际调查建立仿真模型2、1根据实际调查建立仿真模型 图2 3、交叉口延误情况 3、1信号配时 Vissim仿真模拟在理想条件下的最大车流量方向延误情况 No、 1: Travel time section(s) 1 Time; Delay; Stopd; Stops; #Veh; Pers、; #Pers; VehC; All;;;;;; No、:; 1; 1; 1; 1; 1; 1; 600; 72、5 86、4; 0、97; 30; 103、6; 37; Total; 72、5; 86、4; 0、97; 30; 103、6; 37; 3、2计算延误的结果为 运算结果与高等级道路竖曲线的计算方法
交叉口延误分析 vissim