1）估算方法评价
基于n个给定的车头时距，通过分析等车时间的概率密度、单车头时距内的等车时间分布及载客量比例，提出两种等车时间分布的估算方法，进而估算潜在等车时间。这两种方法实现了通过车辆的车头时距计算乘客的潜在等车时间，将乘客的出行特征与车辆数据联系起来。在目前公交GPS数据广泛可用的背景下，这两种方法为计算潜在等车时间提供了极其便利的途径，并极大地节省了调查所要花费的人力物力财力。与Furth和Muller对等车时间分布估算方法的研究相比，本书详细地给出了估算方法的推导过程，并且推导出的估算方法使用更加方便。
应用这两种方法计算潜在等车时间时，所需的已知条件为一系列车头时距，相应地，这两种方法可得到的是基于给定车头时距的潜在等车时间。这两种方法的推导视角不同，但应用时没有差别，用户根据自己的需求选择合适的方法即可。
2）应用实例
为了更好地理解等车时间分布的估算方法，以一个实例对方法进行说明。假定乘客所乘坐的公交线路在某时段内相继有7辆公交车以车头时距8min，4min，3min，7.5min，5min，4.5min通过停靠站，下面分别以两种方法估算该乘客的等车时间分布及潜在等车时间。
“方法一”的计算过程如表6-8所示，第一列表示序号；第二列表示从小到大排列的车头时距；第三列表示前后车头时距之差；第四列表示
第三列与第四列的对应值相乘再加上FW（Hi-1）即为FW（Hi），如第五列所示。第二列和第五列显示了该实例的等车时间分布，例如FW（3）＝0.562 5，说明等车时间小于等于3min的概率为56.25%。
通过线性插值得出95%位等车时间为6.95min。根据式（6-16）计算出平均等车时间为3.03min，因此“方法一”得到的潜在等车时间为3.92min。
表6-8 估算方法一的计算过程(www.xing528.com)
“方法二”的计算过程如表6-9所示。首先w取为0，1，…，8。然后根据“若w≤0，wi＝0；若0＜w≤Hi，wi＝w；若w＞Hi，wi＝Hi”确定wi的取值，即表6-9中1a到6i的值。例如对于w＝0，1a到6a均为0；对于w＝1，0＜w≤Hi，1b到6b均为1；对于w＝4，3e为3，因为w＝4＞H3＝3。最后对于每个w，计算
即得到等车时间分布FW（w）。表6-9中第三行和最后一行显示了等车时间分布。例如FW（1）＝0.187 5，说明等车时间小于等于1min的概率为18.75%。
通过线性插值得出95%位等车时间为6.95min，因此，“方法二”得到的潜在等车时间也为3.92min。针对该实例，“方法一”和“方法二”计算出的潜在等车时间相同。
表6-9 估算方法二的计算过程
续表6-9
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
