Page 278 - 《振动工程学报》2026年第5期

1482 振 动 工 程 学 报 第 39 卷

由于车辆的载重与轴数不同，对桥梁的荷载作 的对数正态分布，拟合后的概率密度曲线如图 3 所示。
用也不同。本文将过桥的车辆载重和轴数配置分为
2000
5 类，分析各车型的统计参数，如表 1 所示。 频数
拟合曲线
1500
表 1 五类车辆的统计参数
Tab. 1 Statistical parameters of five types of vehicles 车辆数 1000

车辆类型 车重W/t 车轴 轴重分布/% 轴距/m 占比/%
500
1 32.8 5.0
Type1 0.0<W≤1.8 12
2 67.2 —
0
1 42.5 4.8 0 100 200 300 400
Type2 1.8<W≤6.0 2 57.5 1.4 60 车重 / kN
3 — — 图 3 车重分布
1 24.4 0.8 Fig. 3 Distribution of vehicle weigh
2 26.8 8.6
Type3 6.0<W≤14.0 24
3 48.8 1.3 采用 T 检验对曲线上的值和对应点频数进行相
4 — —
关性检验，检验结果为：P=0.0483＜α=0.05，可认为两
1 25.8 3.6 样本之间无明显差异。
2 43.8 6.8
Type4 14.0<W≤100.0 3 30.4 1.3 3 1.4 车头时距分布特征
4 — 1.3
5 — —
本文通过车头时距 t 结合车辆速度 v 来确定车
1 26.1 1.7
辆在桥梁上的位置。由于全天不同时段车流车头时
2 35.2 2.7
3 — 7.3 距差异较大，所以需要分时段考虑不同车流密集程
Type5 W>100.0 1
4 38.7 1.3
度下的具体情况。图 4 为某日每小时桥梁实测车流
5 — 1.3
车头时距的平均值变化趋势。可以看出，在 00:00—
6 — —
时段内，车流的车头时距较大，表明车流比较
07:00
1.2 车速分布特征 稀疏；而在其余时段内，车流车头时距大部分低于 5 s，
表明车流比较密集。
车速是过桥随机车流模拟过程中所需的重要参
35

数， 由 图 2 可 知 ， 车 辆 的 行 驶 速 度 集 中 分 布 在 70~
30
120 km/h 之间，时速低于 70 km/h 和高于 120 km/h 的
数量较少。对数据进行拟合，得到车速服从 [μ, σ]= 车头时距 / s 25
20
[ 92.8914, 13.2603]（μ 和 σ 分别表示均值和方差）的正 15
态分布，拟合后的概率密度曲线如图 2 所示。 10
5
250

频数 0
200 拟合曲线 00:00−01:00 01:00−02:00 02:00−03:00 03:00−04:00 04:00−05:00 05:00−06:00 06:00−07:00 07:00−08:00 08:00−09:00 09:00−10:00 10:00−11:00 11:00−12:00 12:00−13:00 13:00−14:00 14:00−15:00 15:00−16:00 17:00−18:00 18:00−19:00 19:00−20:00 20:00−21:00 21:00−22:00 22:00−23:00 23:00−24:00
车辆数 150
100
时间
图 4 某日不同时刻车头时距
50
Fig. 4 Time distance of headway at different time of the day
0
50 60 70 80 90 100 110 120 130 140 150 如图 5 所示，对比了同一天晚上 6:00—8:00 和
−1
车速 / (km·h )
晚上 8:00—24:00 的车头时距分布情况。车头时距
图 2 车速分布
频数分布与对数正态分布的曲线特征较为接近，对
Fig. 2 Distribution of vehicle speed
统计数据进行处理，得到高峰时车头时距服从 [μ, σ]=
[ 0.7856, 0.5988] 的对数正态分布，拟合后的概率密度
1.3 车重分布特征
曲线如图 5(a) 所示，采用 T 检验进行相关性检验，检
由 WIM 系统得出车重分布直方图如图 3 所示， 验结果 P=0.0421＜α=0.05，可认为两样本之间无明显
与对数正态分布的曲线特征较为接近，对统计数据 差异。非高峰车头时距服从 [μ, σ]=[1.0297, 0.7859] 的
进行处理，得到车头时距服从 [μ, σ]=[ 8.2810, 0.6694] 对数正态分布，拟合后的概率密度曲线如图 5(b) 所