2025年[Python机器学习]Nagel-Schreckenberg(交通流)模型

[Python机器学习]Nagel-Schreckenberg(交通流)模型据 Nagel Schreckenber 模型 车辆的运动满足以下规则 1 假设当前速度是 v 和前一辆车的距离为 d 2 如果 d gt v 它在下一秒的速度会提高到 v 1 直到达到规定的最高限速 3 如果 d lt v 那么它在下一秒的速度会降低到 d

大家好,我是讯享网,很高兴认识大家。

据 Nagel-Schreckenberg 模型,车辆的运动满足以下规则:

  • 1.   假设当前速度是 v ,和前一辆车的距离为d。
  • 2.   如果 d > v,它在下一秒的速度会提高到 v + 1 ,直到达到规定的最高限速。
  • 3.   如果 d <= v,那么它在下一秒的速度会降低到 d - 1 。
  • 4.   前三条完成后,司机还会以概率 p 随机减速1个单位,速度不会为负值。
  • 5.   基于以上几点,车辆向前移动v(这里的v已经被更新)个单位。

根据以下几点预测查看车辆的车流情况


讯享网

python代码:

#!/usr/bin/env python # -*- coding: utf-8 -*- # @File : Nagel-Schreckenberg(交通流)模型.py # @Author: 赵路仓 # @Date : 2020/3/1 # @Desc : # @Contact : @.com import matplotlib from matplotlib.font_manager import * import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] 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 # 道路长度 n = 100 # 车辆数目 v0 = 60 # 初始速度 ltv = 120 # 最大限速 p = 0.3 # 减速概率 times = 3000 # 模拟的时刻数目 # x保存每辆车在道路上的位置,随机初始化 x = np.random.rand(n) * path x.sort() # v保存每辆车的速度,初速度相同 v = np.ones(n) * v0 plt.figure(figsize=(5, 4), facecolor='w') # 模拟每个时刻 for t in range(times): plt.scatter(x, [t] * n, s=1, c='k', alpha=0.05) # 模拟每辆车 for i in range(n): # 计算当前车与前车的距离,注意是环形车道 if x[(i + 1) % n] > x[i]: d = x[(i + 1) % n] - x[i] else: d = path - x[i] + x[(i + 1) % n] # 根据距离计算下一秒的速度 if v[i] < d: if np.random.rand() > p: v[i] += 1 else: v[i] -= 1 else: v[i] = d - 1 # 对速度进行限制 v = v.clip(0, ltv) # 一秒后,车辆的位置发生了变化 x += v # 注意是环形车道 x = x % path # 展示 plt.xlim(0, path) plt.ylim(0, times) plt.xlabel(u'车辆位置') plt.ylabel(u'模拟时间') plt.title(u'交通模拟(车道长度%d,车辆数%d,初速度%s,减速概率%s)' % (path, n, v0, p)) # plt.tight_layout(pad=2) plt.show() if __name__ == '__main__': # Run(p=0.3) Run(p=0.2)

讯享网
小讯
上一篇 2025-01-15 18:24
下一篇 2025-04-03 19:18

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/132297.html