交通流元胞自动机模拟仿真 matlab源码_元胞传输模型及其应用（1）

据公安部统计，截至2019年底，全国的私家车（私人小微型载客汽车）保有量达2.07亿辆，首次突破2亿辆，近五年年均增长1966万辆。全国66个城市汽车保有量超过100万辆。

数量庞大的汽车带来出行便利的同时，也带来了交通拥堵、环境污染、安全事故、管理困难等问题。解决这些复杂的交通问题，都需要科学的基础理论做支撑，道路交通流和网络交通流理论就是帮助我们认识交通流动力学特性的手段。本期我们将为大家介绍一种有趣的宏观交通流模型，元胞传输模型（cell transmission model, CTM）。

上世纪90年代，Daganzo采用元胞自动机的概念建立了元胞传输模型来研究网络交通流。元胞传输模型一方面具有微观模型的特性，可以模拟激波、排队形成和消散，捕捉网络流不连续变化等交通流动力学特性；另一方面又具备宏观模型的数学解析性质。因此，元胞传输模型被广泛应用于动态交通分配中，以期获得更真实的交通流分配效果。

CTM状态方程

假设在路段上的交通流量和密度k满足上述三角形基本图的关系，描述为：

其中，是自由流速度,是拥堵时激波反向传播速度，是最大交通流量，拥堵密度。

CTM将路段空间离散成小格子（cell），将时间离散化时间步，每个格子的长度为自由流在一个时间步的行驶距离。举个例子，车辆自由流速度为20m/s，时间步长为10s，则元胞长度为200m。

DUO

用元胞中的车辆数代替密度，即

，元胞的状态更新方程如下所示：

其中，为元胞流向元胞的车辆数，为元胞的车辆数，为元胞通行能力，为元胞拥堵时的最大车辆数。

还没有结束哦，CTM在网络交通流中同样有广泛的应用，在进行宏观交通网络配流的同时更准确地描述交通流的微观动态特性，下面先举个栗子感受一下吧，下图所示的简单网络进行配流，元胞长度200m，各个参数的取值分别为

下一期我们将详细讲解基于元胞传输模型的动态系统最优（DSO）和动态用户最优（DUO），并附上相关的代码。

参考资料：《基于元胞自动机的交通系统建模与模拟》（贾斌等），《城市动态交通流分配模型与算法》（高自友，任华玲）。

---

我们是一个有灵魂的团队，坚持探索，致力于分享交流学习经验。

想获取更多交通建模，论文写作，开源资料等科研信息的小伙伴就请关注

微信公众号【交通科研Lab】 （所有信息均在公众号第一时间发布）

文章内容，欢迎转发交流！

如果内容对您有用，不要吝啬文末的点赞！！