简单几步实现NaSch模型的Python仿真

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