多粒子模型--交通堵塞

L = 100;               % 道路长度（元胞数，即格子数量）

T = 300;               % 模拟时间步数（总演化时长）

v_max = 5;             % 车辆最大速度（最多移动5个元胞/时间步）

p_slow = 0.3;          % 随机减速概率（30%概率无原因减速）

rho = 0.2;             % 初始车辆密度（20%的元胞有车）

这些参数控制模拟的基本条件，可通过调整观察不同场景（如高密度更容易堵车）。

2. 初始化

% 随机生成初始车辆位置：1表示有车，0表示无车

road = rand(L, 1) < rho;  % 生成L个0-1随机数，小于rho的位置设为1（有车）

% 初始化车辆速度：有车的位置随机赋予0~v_max的速度

velocity = zeros(L, 1);

for i = 1:L

    if road(i)  % 仅对有车的位置赋值速度

        velocity(i) = randi(v_max);  % 随机速度

    end

end

% 存储每一步的道路状态（用于后续动画和分析）

history = zeros(L, T);

history(:, 1) = road;  % 第1时间步的初始状态

road：记录当前道路上车辆的位置（0/1 向量）。
velocity：记录每个位置车辆的速度（0 表示静止）。
history：存储所有时间步的车辆位置，用于后续动画回放。

3. 模拟主循环（核心逻辑）

循环T-1次（从时间步 2 到 T），每次迭代更新车辆的位置和速度，模拟交通流的演化。每一步包含 5 个关键过程：

（1）计算前车距离（避免碰撞的前提）

distance = zeros(L, 1);  % 存储每个车辆前方的空元胞数

for i = 1:L

    if road(i)  % 仅对有车的位置计算

        d = 0;  % 初始距离为0

        j = i + 1;  % 从当前位置的下一个元胞开始

        while true

            if j > L, j = 1; end  % 周期性边界（道路首尾相连，模拟环形路）

            if road(j)  % 遇到前车，停止计数

                break;

            end

            d = d + 1;  % 空元胞数+1

            j = j + 1;

            if d >= v_max  % 距离超过最大速度，无需继续计算（反正开不到）

                break;

            end

        end

        distance(i) = d;  % 记录当前车辆到前车的距离

    end

end

作用：计算每辆车前方的空位数（与前车的距离），为后续 “避撞” 规则提供依据。
周期性边界：道路首尾相连（如j>L时回到 1），避免边界效应影响模拟。

（2）加速规则

for i = 1:L

    if road(i)  % 仅对有车的位置

        velocity(i) = min(velocity(i) + 1, v_max);  % 速度+1，但不超过最大速度

    end

end

逻辑：车辆倾向于加速到最大速度（自由行驶状态）。

（3）避撞规则

for i = 1:L

    if road(i)

        velocity(i) = min(velocity(i), distance(i));  % 速度不超过前车距离（防止追尾）

    end

end

逻辑：如果前方距离小于当前速度，车辆必须减速到与距离相等（确保不撞上前车）。

（4）随机减速规则

for i = 1:L

    if road(i) && velocity(i) > 0  % 有车且当前速度>0

        if rand < p_slow  % 以p_slow概率随机减速

            velocity(i) = velocity(i) - 1;

        end

    end

end

逻辑：模拟实际交通中 “无原因减速”（如司机反应、突发情况），是引发拥堵的关键因素之一。

（5）车辆移动

new_road = zeros(L, 1);       % 存储新位置的车辆分布

new_velocity = zeros(L, 1);   % 存储新位置的车辆速度

for i = 1:L

    if road(i)  % 对当前有车的位置

        % 计算新位置（考虑周期性边界）

        new_pos = i + velocity(i);

        while new_pos > L

            new_pos = new_pos - L;  % 超出道路长度时，从起点重新计算

        end

        new_road(new_pos) = 1;       % 在新位置标记有车

        new_velocity(new_pos) = velocity(i);  % 速度随车辆移动

    end

end

% 更新当前状态

road = new_road;

velocity = new_velocity;

history(:, t) = road;  % 记录当前时间步的状态

作用：根据计算出的速度，更新车辆的位置和速度，并存储到history中。

4. 动画展示

figure('Name', '堵车过程模拟', 'Position', [100, 100, 800, 300]);

for t = 1:T

    clf;  % 清除上一帧，只显示当前时间步

    % 绘制当前时间步的道路状态（转置为行向量，水平显示）

    imagesc(history(:, t)', [0, 1]);  % 用颜色强度表示0（无车）和1（有车）

    colormap([1 1 1; 0 0 1]);  % 白色=无车，蓝色=有车

    axis xy;  % 坐标原点在左上角（符合视觉习惯）

    xlim([1, L]);  % X轴范围：道路位置1~L

    ylim([0.5, 1.5]);  % Y轴范围：只显示一行（道路）

    set(gca, 'YTick', [], 'XTick', 1:L);  % 隐藏Y轴刻度，显示X轴位置

    xlabel('道路位置');

    title(['堵车演化过程 (t = ', num2str(t), ')']);

    drawnow;  % 立即刷新图像

    pause(0.05);  % 控制动画速度（数值越小越快）

end

效果：动态展示每一时间步的车辆分布，直观观察车辆如何移动、聚集并形成拥堵。

5. 交通流参数分析

% 计算交通流量（单位时间通过的车辆数/道路长度）

flow = zeros(1, T);

for t = 2:T

    % 统计从t-1到t移动的车辆数（t时刻有车且t-1时刻无车的位置）

    moved = sum(history(:, t) & ~history(:, t-1));

    flow(t) = moved / L;  % 单位长度流量

end

% 绘制密度和流量随时间的变化

figure('Name', '交通流特性');

subplot(2,1,1);

plot(1:T, mean(history, 1));  % 平均密度（有车元胞数/总长度）

xlabel('时间步');

ylabel('平均密度');

title('交通密度随时间变化');

subplot(2,1,2);

plot(1:T, flow);  % 流量随时间变化

xlabel('时间步');

ylabel('交通流量');

title('交通流量随时间变化');