9-Ｎagel-Schreckenberg交通流模型-公路堵车概率模型

路面上有n辆车，以不同的速度向前行驶， 模拟堵车问题。有以下假设：

1.假设某辆车的当前速度是v。
2.若前方可见范围内没车，则它在下一秒的车速提高到v+1，直到达到规定的最高限速。
3.若前方有车，前车的距离为d，且d < v，则它下 一秒的车速降低到d-1 。
4.每辆车会以概率p随机减速v-1。
#好了这是别人家的代码：

import numpy as np
from matplotlib.font_manager import FontProperties
import matplotlib.pyplot as plt


# 对车辆的位移进行限制，当大于水平的公路长度时，则认为是拐外后的位移
def clip(x, path):
    for i in range(len(x)):
        if x[i] >= path:
            x[i] %= path


if __name__ == "__main__":

    # 缺省情况下，matplotlib是无法显示中文的，主要原因是没有指定中文字体（文件）
    # 在python代码中指定字体（只是其中一种解决方法）
    # 定义字体
    font = FontProperties(fname=r'c:\windows\fonts\simsun.ttc', size=20)

    '''初始化定义'''
    path = 5000  # 环形公路的长度
    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 = 1000  # 模拟时间

    '''模拟车辆的位移和速度'''
    np.random.seed(0)
    # 模拟100辆车辆的位置
    x = np.random.rand(n) * path

    # 车辆位移进行排序
    # np.sort()与ndarray.sort()都可以，但有区别：np.sort()不改变输入;ndarray.sort()本地处理，不占用空间，但改变输入
    x.sort()

    # 将100个车辆的速度定义为50,并设为float类型数据
    # tile共有2个参数，A指待输入数组，reps则决定A重复的次数。整个函数用于重复数组A来构建新的数组,并设为float类型数据
    v = np.tile([v0], n).astype(np.float)

    '''画布大小'''
    plt.figure(figsize=(10, 8), facecolor='w')

    '''模拟在时间范围内的堵车情况'''
    for t in range(Times):
        # 绘图 x：车辆位置 [t]*n：时间
        plt.scatter(x, [t] * n, s=1, c='b', alpha=0.05)

        '''依次判断100辆车的速度和位移情况'''
        for i in range(n):
            # 计算前后车辆的距离
            if x[(i + 1) % n] > x[i]:
                d = x[(i + 1) % n] - x[i]
            else:
                d = path - x[i] + x[(i + 1) % n]

            '''判断此刻的速度和与前车的距离大小'''
            if v[i] < d:
                # 若前方可见范围内没车，则它在下一秒的车速提高到v+1，直到达到规定的最高限速。同时，每辆车会以概率p随机减速v-1。
                if np.random.rand() > p:
                    v[i] += 1
                else:
                    v[i] -= 1
            else:
                # 若前方有车，前车的距离为d，且d < v，则它下 一秒的车速降低到d-1 。
                v[i] = d - 1
        # 限制速度，v<0，则将v定义为0；v>150，则将v定义为150
        v = v.clip(0, 150)
        # 车辆的位移在增加，车在往前开
        x += v
        # 调用clip
        clip(x, path)

    # 坐标轴范围调整
    plt.xlim(0, path)
    plt.ylim(0, Times)

    # 标签,显示设置字体
    plt.xlabel('车辆位置', fontsize=16, fontproperties=font)
    plt.ylabel('模拟时间', fontsize=16, fontproperties=font)
    plt.title('环形公路车辆堵车模拟', fontsize=20,fontproperties=font)

    '''自动调整子图参数，使之填充整个图像区域'''
    plt.tight_layout(pad=2)

    '''画图'''
    plt.show()

运行结果：

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt
#设置初始速度为32km/h(10m/s)
v_first=10
#设置最高速度(14m/s)初始速度为50km/h
v_max=14
#设置有N辆车
num_car=100
#就是路程为5000m
path=5000
#设置刚开始的时候汽车的位置
x = np.random.rand(num_car) * path
x_1=sorted(x)
#print(x_1)
#随机0.4概率减速
p=0.4
def car(d):
    x=np.random.rand()
    if 0<=x<=p:
        v_car=v_first-1
    else:
        v_car=v_first
    if d<v_car:
        v_car=d-1
    if v_car>v_max:
        v_car=v_max
    return v_car
#这个是模拟一秒内所有车位置的变化
z=[]
times=0
while True:
    times+=0.1

    for i in range(num_car):
        d=0
        #表名某辆车和前一个车的位置
        if i==num_car-1:
            d=path-x[i]+x[0]
        else:
            car_s1 = x[i]
            car_s2 = x[i + 1]
            d_first=car_s2-car_s1
        #表名某辆车的速度
        car_v1=car(d)
        if x[i]+car_v1*times>path:
            x[i]=x[i]+car_v1*times-path
        else:
            x[i] = x[i] + car_v1 * times
    print(x)
    z.append(x)
    plt.scatter(x, [times] * num_car, s=1, c='k', alpha=0.5)
    if times>10:
        break
print(z)
plt.tight_layout(pad=2)
plt.show()

运行结果：

##这就是卖家秀和买家秀么，QAQ
这里引用了一个大佬博客