车头时距(Time Headway，TH)是评价驾驶安全性的重要指标，它与交通流组成、驾驶行为密切相关，是反映道路通行能力和服务水平的重要依据，对于优化道路设计和管理具有重要意义。

车头时距【time headway】指的是在同一车道上行驶的车辆队列中，两连续车辆车头端部通过某一断面的时间间隔。一般用ht表示 单位s/Veh。平均车头时距可以有以下计算方式：

平均车头时距=平均车头间距/平均车速

一般，为了安全，最短车头时距取2s左右的行程，即：极限车头间距 = 最短车头时距 * 速度。

在实际道路交通中，不同驾驶员保持的车头时距会有显著差别，同一个驾驶员保持的车头时距也会随着个人状态和环境影响而发生变化。

由于实际情况不同，驾驶员的跟驰行为可以分成两种状态，第一种为强跟驰状态，第二种为弱跟驰状态。

在强跟驰状态下，驾驶员紧紧跟随前车，与之保持着较短的车头时距，根据前车的速度变化不断调整自己的驾驶行为。此时，驾驶员需要投入更多的注意力到前车的速度变化上，脑力负荷相对较高，将此时的车头时距称为最短车头时距(Minimum Time Headway，MTH)。

对于弱跟驰状态，驾驶员并不紧紧跟随前车，而是在最短车头时距的基础上增加一定心理裕量(Psychological Margin，PM)，为自己预留更加充足的时间来应对前车速度的变化，因此前车微小的速度变化并不会影响后车的驾驶行为。此时，驾驶员不必投入过多的注意力来应对前车驾驶行为的改变，脑力负荷相对较低，将此时的车头时距称为舒适车头时距(comfortable Time Headway，CTH)。

车头时距与交通流组成、驾驶行为密切相关，是反映道路通行能力和服务水平的重要依据，对于优化道路设计和管理具有重要意义。

车头间距和车头时距是表述同一概念的不同量度单位，描述交通流中前后相邻两车之间的距离和两车通过某一点的时间差。 车头间距从微观角度看只与交通流中独立的一对车有关。 车流密度和速度影响车头间距的分布，在三大参数关系的研究中已得到验证，尤其在中高密状态，速度对密度的改变相当敏感，而速度对于确定车头间距至关重要。 因此，车头间距这个微观参量是与宏观交通流三大参数密切相关的。

在混合车流条件下，车头间距的分布与车型密切相关。这主要体现方面在车身尺寸与车的动力特性的差异两方面。 尤其是在跟随状态下，由于前后车型组合的序列不同，所要求的最大纵向间距在理论计算中就存在差异，在实际的车流运动中这种差异将更加突出。

车头时距分布是交通流理论研究的一个重要内容，它是通行能力分析、间隙接受问题研究、交叉口交通控制以及交通模拟的基础。随着道路交通负荷的增加，为了描述相应的规律，有负指数分布、移位的负指数分布、M3分布等模型。

（1）负指数分布

用H表示车头时距，则H为随机变量：当H的分布密度为：

其中T为平均车头时距，则车头时距服从负指数分布。由上式可得其分布为：

其意义是车头时距H小于t的概率。实际应用中，工程人员往往关心的是车头时距H大于等于t的概率：

负指数分布广泛地被应用于描述车头时距分布。但其往往适用于车流量较小的情况：对于双向双车道道路上流量不超过400辆/小时；单向双车道道路上流量不超过800量/小时，且在来车方向上距观测点1公里之内没有交通管理设施影响的情况。上述公式中只有一个参数T，并且：

因此，参数T可由观测样本均值估计由下式计算：

其中，ti为观测车头时距。

（2）移位的负指数分布

负指数分布拟合单车道交通流车头时距分布时，较小的车头时距出现的概率较大，这与实际情况不符。为了克服负指数分布这种局限性，引入了移位的负指数分布，即假设最小车头时距不应小于一个给定的值τ。移位的负指数分布函数为：

其概率密度函数为：

并且，可求得车头时距均值和方差分别为：

因此，参数仍是平均车头时距，可计算其估计值，参数τ估计如下：

其中，tI，t2，…，tn为观测车头时距。

（3）M3分布

研究发现，当交通较拥挤时，出现了部分车辆成车队状态行驶。

M3分布模型假设车辆处于两种行驶状态：一部分是车队状态行驶，另一部分车辆按自由流状态行驶。分布函数为：

其中，

α——按自由流状态行驶车辆所占的比例

τ——车辆处于车队状态行驶时，车辆之间保持的最小车头时距；

λ——参数。

M3分布模型的提出引起了许多研究人员的关注，并在许多重要文献中引用。模型中参数较多，估计较困难。研究人员曾对此做了很多的研究。下面不加证明的给出其中一种参数估计方法。

由概率论的知识容易证明在条件：H>τ下，车头时距服从带移位的负指数分布，参数λ的极大似然估计为：

其中，tτ为车头时距大于的样本观测值的均值。参数α的估计则可根据其实际意义估计如下：

其中，n为观测样本数，m为车头时距观测值不大于τ的样本数。