随着交通的日益发达,人口的日益增加,使得像是机场,车站等地方对旅客的疏导效率逐渐显得重要,因此本文讨论了机场候车时间的问题,藉由旅客在机场叫车所需的等待时间来衡量机场的交通疏导的效率,或是的士公司在车辆调度上的效率。除了机场等车的问题外,本文也讨论了货物在仓储等待发货的时间的问题。由于现在淘宝等购物平台的盛行,带动了物流行业的兴起,快递送货的需求大大增加,使得货物发货的效率也变得更重要。而在购物平台购物后,人们经常会关心货物需要多久才能收到,因此本文尝试了对货物在仓储等待发货的时间进行模拟,建模。为这些问题建模时,我们利用了指数混合模型作为模型,货物在仓储等待发货的模拟数据或机场等车时间的数据作为观测数据,对模型的参数做估计。此外,我们也尝试了一些聚类筛选的方法,尝试为混合模型选择最佳的聚类数目。我们所使用的筛选方法主要是利用到熵。由于熵会随着随机变量可以取的值的数目增加而增加,即随着聚类数目K的增加而增加,我们利用在当前聚类数目为K的熵的最大值与根据所得参数计算得到的熵的值作差值计算,从而得到一个对聚类数目筛选的标准。最后,根据模拟的结果,当所需筛选的聚类数目较少时,该方法的效果相对较好些,但随着所需筛选的聚类数目增加,效果变得较不理想,究其原因,可能是因为指数分布的密度函数的峰所在位置相同,也即众数相同而导致的。根据实测结果,所建立的模型能较好的拟合机场等车所需的时间。