机器学习算法基础8-Ｎagel-Schreckenberg交通流模型-公路堵车概率模型

场景介绍

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。

代码实现

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(

图形中颜色越重的地方，说明很多车的位移相同，则说明发生了堵车的情况。如果颜色重的地方多，说明堵车严重。
随机减速概率越大，堵车越严重。

当随机概率为0.6时，

当随机概率为0.1时