旅行时间可靠性参考手册/其他旅行时间可靠性图表
TTRMS 分析工具还可以为用户提供每个非经常性因素的观察频率。图 1 是从圣保罗市中心到明尼阿波利斯市中心的 I-94 西行方向的观测示例。它表示在全年范围内，数据库中存在这些因素的 15 分钟间隔的数量。在这个例子中，60% 的时间间隔没有出现任何非经常性因素，即正常状况。观测到单个因素（如天气、撞车事故、事件、道路施工等）的时间间隔占间隔总数的 1% 到 10%。出现两个或多个因素的时间间隔显示在组合类别中，在 2012 年占时间间隔的 9%。
图 1：2012 年 I-94 西行方向观测饼图
图 2 显示了在每种情况下经历的延误。为了计算这一点，将每个时间段的平均延误（观察到的旅行时间减去自由流旅行时间）乘以该时间段的用户数量。然后，将所有时间段按情况分类，以确定每种情况下经历的延误比例。将此图表与图 1 比较表明，非经常性因素存在时，会经历不成比例的延误，表明这些因素会导致走廊上延误增加。
图 2：2012 年 I-94 西行方向延误饼图
然而，有人认为，事件延误的一部分可能是由于正常延误，但不是由特定事件引起的。例如，在上面提到的示例中，撞车事故延误的 15% 是推导出来的。该数字的正确解释是，在发生撞车事故期间，15% 的延误是被观察到的。它不能解释为 15% 的延误是由撞车事故引起的，因为正常延误包含在 15% 中。TTRMS 工具还可以提供一个调整后的延误饼图，代表特定事件延误。TTRMS 工具应用的基本方法是从事件发生时的观察延误中减去特定时间段的平均正常延误。例如，如果一起撞车事故持续 30 分钟，观察到的走廊延误为 1,000 小时，而平均正常拥堵延误为 400 小时，则该特定撞车事故的调整后延误为 600 小时（1,000 小时 - 600 小时），而不是 1,000 小时。但是，如果一起撞车事故持续 30 分钟，观察到的走廊延误为 1,000 小时，而平均正常拥堵延误为 1,400 小时，则该特定撞车事故的调整后延误为 0，这表明该特定撞车事故根本没有造成延误。图 3 显示了调整后的延误饼图。与显示观察到的延误饼图的图 2 相比，所有非经常性事件的比例都下降了。如果用户想要分析延误与特定事件类型之间的关系，此图表更准确。
图 3：2012 年 I-94 西行方向调整后的延误饼图
图 4 显示了从圣保罗市中心到明尼阿波利斯市中心的 I-94 西行方向上，仅由非经常性事件造成的延误。此图表显示了与图 3 相同的内容，但排除了正常拥堵延误。
图 4：2012 年 I-94 西行方向非经常性事件的调整后的延误饼图