旅行時間可靠性參考手冊/其他旅行時間可靠性圖表
TTRMS 分析工具還可以為使用者提供每個非經常性因素的觀察頻率。圖 1 是從聖保羅市中心到明尼阿波利斯市中心的 I-94 西行方向的觀測示例。它表示在全年範圍內，資料庫中存在這些因素的 15 分鐘間隔的數量。在這個例子中，60% 的時間間隔沒有出現任何非經常性因素，即正常狀況。觀測到單個因素（如天氣、撞車事故、事件、道路施工等）的時間間隔佔間隔總數的 1% 到 10%。出現兩個或多個因素的時間間隔顯示在組合類別中，在 2012 年佔時間間隔的 9%。
圖 1：2012 年 I-94 西行方向觀測餅圖
圖 2 顯示了在每種情況下經歷的延誤。為了計算這一點，將每個時間段的平均延誤（觀察到的旅行時間減去自由流旅行時間）乘以該時間段的使用者數量。然後，將所有時間段按情況分類，以確定每種情況下經歷的延誤比例。將此圖表與圖 1 比較表明，非經常性因素存在時，會經歷不成比例的延誤，表明這些因素會導致走廊上延誤增加。
圖 2：2012 年 I-94 西行方向延誤餅圖
然而，有人認為，事件延誤的一部分可能是由於正常延誤，但不是由特定事件引起的。例如，在上面提到的示例中，撞車事故延誤的 15% 是推匯出來的。該數字的正確解釋是，在發生撞車事故期間，15% 的延誤是被觀察到的。它不能解釋為 15% 的延誤是由撞車事故引起的，因為正常延誤包含在 15% 中。TTRMS 工具還可以提供一個調整後的延誤餅圖，代表特定事件延誤。TTRMS 工具應用的基本方法是從事件發生時的觀察延誤中減去特定時間段的平均正常延誤。例如，如果一起撞車事故持續 30 分鐘，觀察到的走廊延誤為 1,000 小時，而平均正常擁堵延誤為 400 小時，則該特定撞車事故的調整後延誤為 600 小時（1,000 小時 - 600 小時），而不是 1,000 小時。但是，如果一起撞車事故持續 30 分鐘，觀察到的走廊延誤為 1,000 小時，而平均正常擁堵延誤為 1,400 小時，則該特定撞車事故的調整後延誤為 0，這表明該特定撞車事故根本沒有造成延誤。圖 3 顯示了調整後的延誤餅圖。與顯示觀察到的延誤餅圖的圖 2 相比，所有非經常性事件的比例都下降了。如果使用者想要分析延誤與特定事件型別之間的關係，此圖表更準確。
圖 3：2012 年 I-94 西行方向調整後的延誤餅圖
圖 4 顯示了從聖保羅市中心到明尼阿波利斯市中心的 I-94 西行方向上，僅由非經常性事件造成的延誤。此圖表顯示了與圖 3 相同的內容，但排除了正常擁堵延誤。
圖 4：2012 年 I-94 西行方向非經常性事件的調整後的延誤餅圖