公路堵车概率模型Python(Nagel-Schreckenberg交通流模型)
路面上有N辆车,以不同速度向前行驶,模拟堵车问题。有以下假设:
- 假设某辆车的当前速度是 v
- 如果 前方可见范围内没车,下一秒车速提高到 v+1
- 如果 前方有车,前车的距离为 d ,且 d < v ,则 下一秒车速降低到 d - 1
- 每辆车会以概率 p 随机减速 v - 1
Python代码如下:
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt def clip(x, path): for i in range(len(x)): if x[i] >= path: x[i] %= path if __name__ == "__main__": # 输出中文(黑体SinHei),仿宋(fangsong) mpl.rcParams['font.sans-serif'] = ['SimHei'] mpl.rcParams['axes.unicode_minus'] = False path = 5000 # 环形公路长度 n = 100 # 公路中的车辆数目 v0 = 50 # 车辆的初始速度 p = 0.3 # 随机减速概率 Times = 3000 # 模拟次数3000 np.random.seed(0) # 种子设为0 -> 生成的随机数都相同 x = np.random.rand(n)*path # 列表x生成100*5000个随机数 x.sort() # 对x升序排序 v = np.tile([v0], n).astype(float) # 将v0重复n次并转换为浮点型赋给数组v中的n个元素 plt.figure(figsize=(9, 7), facecolor='w') # 创建图像高9英寸宽7英寸,背景色:white = #FFFFFF for t in range(Times): # 每一次是图中的一行数据 # 测试4行数据 # if t not in [100, 150, 175, 1000]: # continue plt.scatter(x, [t]*n, s=1, c='k', alpha=0.05) # 横轴x,纵轴t*n(t从0到2999,n=100) for i in range(n): # 对于每一行数据 # 本车当前速度为v # 如果 前方有车 && 前车的距离d < 车速v:下一秒车速 = d-1 # 如果 没车:加速到 v+1 # 每辆车以概率p随机减速v-1 if x[(i+1) % n] > x[i]: d = x[(i+1) % n] - x[i] # 距离前车的距离 else: d = path - x[i] + x[(i+1) % n] if v[i] < d: if np.random.rand() > p: v[i] += 1 else: v[i] -= 1 else: v[i] = d - 1 v = v.clip(0, 150) # 保证车速是正向的,在0-150之间 x += v # 位移就是一秒钟时间的速度,速度v之和就是位移x clip(x, path) plt.xlim(0, path) # x的取值范围x limit=0-5000 plt.ylim(0, Times) plt.xlabel('车辆位置', fontsize=14) plt.ylabel('模拟时间', fontsize=14) plt.title('环形公路车辆堵车模拟', fontsize=18) plt.tight_layout(pad=2) # pad越小,坐标轴越靠边 # plt.savefig('环形公路车辆堵车模拟.png') plt.show()
结果:
以上为本人在b站听了邹博老师陆家嘴学堂视频课之后的结果。