Nagel-Schreckenberg模型python實現
阿新 • • 發佈:2018-12-15
Nagel-Schreckenberg模型是高速公路交通模擬的理論模型。該模型由德國物理學家Kai Nagel和Michael Schreckenberg於20世紀90年代初開發。它本質上是用於道路交通流量的簡單元胞自動機模型,其可以再現交通擁堵,即,當道路擁擠時顯示平均車速減慢。 現在模擬一個場景,在一個環形公路上,所有車圍成一個圓,每輛車有一定的概率減速.當後面的車的車速比它前面相鄰的車車速快時,即將產生追及問題時,後面的車就必須減速,這樣就會導致各種不同情況的擁堵. 模擬程式碼如下: 減速概率p,車輛初速度v都可以手動改變,以測試不同情況 ns.ttc是一個字型檔,需要匯入 當減速概率p為0.5時:
# -*- coding: utf-8 -*-
from matplotlib.font_manager import *
import matplotlib.pyplot as plt
import numpy as np
myfont = FontProperties(fname='ns.ttc')
matplotlib.rcParams['axes.unicode_minus'] = False
np.random.seed(0)
def Run(path=5000, n=100, v0=60, ltv=120, p=0.3, times=3000):
'''
path = 5000.0 # 道路長度
n = 100 # 車輛數目
v0 = 60 # 初始速度
ltv = 120 # 最大限速
p = 0.3 # 減速概率
times = 3000 # 模擬的時刻數目
'''
# x儲存每輛車在道路上的位置,隨機初始化
x = np.random.rand(n) * path
x.sort()
# v儲存每輛車的速度,初速度相同
v = np.ones(n) * v0
plt.figure(figsize=(5, 4), facecolor='w')
# 模擬每個時刻
for t in range(times):
plt.scatter(x, [t] * n, s=1, c='k', alpha=0.05)
# 模擬每輛車
for i in range(n) :
# 計算當前車與前車的距離,注意是環形車道
if x[(i + 1) % n] > x[i]:
d = x[(i + 1) % n] - x[i]
else:
d = path - x[i] + x[(i + 1) % n]
# 根據距離計算下一秒的速度
if v[i] < d:
if np.random.rand() > p:
v[i] += 1
else:
v[i] -= 1
else:
v[i] = d - 1
# 對速度進行限制
v = v.clip(0, ltv)
# 一秒後,車輛的位置發生了變化
x += v
# 注意是環形車道
x = x % path
# 展示
plt.xlim(0, path)
plt.ylim(0, times)
plt.xlabel(u'車輛位置', fontproperties=myfont)
plt.ylabel(u'模擬時間', fontproperties=myfont)
plt.title(u'交通模擬(車道長度%d,車輛數%d,初速度%s,減速概率%s)' % (path, n, v0, p), fontproperties=myfont)
# plt.tight_layout(pad=2)
plt.show()
if __name__ == '__main__':
# Run(v0=0)
# Run(v0=20)
# Run(v0=40)
# Run(v0=60)
# Run(p=0.0)
# Run(p=0.1)
# Run(p=0.3)
Run(p=0.5)
# Run(p=0.8)
# Run(p=1.0)
執行結果: 圖中線條越密集的地方代表越有可能發生堵車的情況 當p=0時,也就是不減速,你會發現所有車勻速行駛,不會出現堵車情況 當p=0.3時 當p=0.8時: 極端現象,車輛直接堵死了,就像北京環內一樣,當p=1時: 所以可以得出結論:減速概率越大,交通擁擠概率越大,越容易堵車