简单几步实现NaSch模型的Python仿真
NaSch模型是对184号模型的推广,1992年Nagle和Schreckenberg提出了著名的NaSch模型,在这一模型中,时间、空间以及速度都被离散化,道路被划分为离散的格子(即元胞),每个元胞都是空的,或者被一辆车占据,每辆车的速度可以取1,2,…,Vmax ,Vmax 为最大速度。在时间步增加的过程中,模型按照如下规则进行演化。
1 加速
Vn —> min(Vn+1, Vmax),直观上的解释是若能加速则速度加一,反应了司机倾向于以尽可能大的速度行驶的特点。
2 减速
Vn —> min(Vn, Dn),以确保车辆不会与前车发生碰撞。
3 随机慢化
以随机概率p令Vn —> max(Vn-1,0),该规则用来体现驾驶人的行为差异,这样既可以反映随机加速行为,又可以反映减速过程中的过度反应行为。这一规则也是堵塞自发产生的至关重要因素。
4 位置更新
Xn —> Xn+Vn,车辆按照更新后的速度继续向前移动。
NaSch模型的Python实现
用python编写一个NaSch模型代码,并用Matplotlib可视化地绘制成图,并让图像随时间步的推移动态变化。
- 老规矩,先调包,并创建一个图像
import matplotlib as mpl
import matplotlib.pyplot as plt
import random
# 创建图像
fig = plt.figure(figsize=(10,1))
- 设置模型的参数,相当于一个遥控器,哪里不对点哪里~
# 模型参数设置
numofcell = 20 # 道路长度
numofcar = 12 # 空间中的车辆数
max_time = 100 # 设置最大时间步
max_speed = 5 # 允许的车辆最大速度
p_slowdown = 0.3 # 随机慢化概率
pause_time = 0.1 # 刷新时间(每一帧持续的时间)
cell_size = 15 # 元胞的大小
- 定义一个函数来构建一维空间,空间的长度就是道路长度,相当于用一系列和X轴或Y轴平行的直线,绘制一排小网格,每个小网格的中心,相当于(i,0),其中,i=1,2,…,numofcell
# 函数:构建一维空间
def Plot_Space():
for i