元胞自动机交通流模型 PPT
programs.
Free online access:
详见： 《A New Kind of Science》
三个世纪以前，人们发现建
立在数学方程基础上的规律
能够用于对自然界的描述，
伴随着这种新观念，科学发
生了变革。在此书中我的目
的是应用简单的计算机程序
来表达更为一般的规律，并
在此种规律的基础上建立一
Sit1f(Sit1,Sit,Sit1)
二、初等元胞自动机
初等元胞自动机是状态集S只有两个元素{s1，s2}，即状态个 数k=2，邻居半径r=1的一维元胞自动机。由于在S中具体采 用什么符号并不重要，它可取 {0，1}，{-1，1}，{静止，运 动} 等等，重要的是S所含的符号个数，通常我们将其记为 {0，1}。此时，邻居集N的个数2·r=2，局部映射f：S3→S可 记为:
S Maerivoet, B De Moor，Cellular automata models of road traffic．Physics Reports 419 (2005) 1 – 64
教学目的：了解初等元胞自动机的基本概念，掌 握元胞自动机交通流模型的建立方法，掌握NS交 通流模型的特点、适用条件及其仿真。
to initiate another such
transformation, and to introduce
a new kind of science that is
based on the much more general
types of rules that can be
embodied in simple computer
Three centuries ago science was transformed by the dramatic new
idea that rules based on
mathematical equations could be
used to describe thee in this book is
郑英力等．交通流元胞自动机模型综述．公路交通科 技．2006,23(1): 110~115
孙跃等．基于元胞自动机原理的微观交通仿真模型．重庆 大学学报(自然科学版)．2005
熊桂林, 黄悦．元胞自动机在混合交通仿真中的应用．系 统工程．2006
狄宣．基于元胞自动机的快速路仿真建模与交通流优化分 析．同济大学硕士学位论文．2008.3
二、NS 模型
在第184号规则的基础上，1992年，德国学者 Nagel和Schreckenberg提出了一维交通流CA模型， 即，NS 模型（或NaSch模型）
Nagel and Schreckenberg. A Cellular automaton model for freeway traffie．Journal of Physics(France)，1992
在CA模型中，散布在规则格网 (Lattice Grid)中 的每一元胞(Cell)取有限的离散状态，遵循同样的 作用规则，依据确定的局部规则作同步更新。大 量元胞通过简单的相互作用而构成动态系统的演 化。
CA模型的特点：时间、空间、状态都离散，每个 变量只取有限多个状态，且其状态改变的规则在 时间和空间上都是局部的。
10
20
30
40
50
60
70
80
90
100
特别注意：第184号规则 车辆行驶规则为：黑色元胞表示被一辆车占据， 白色表示无车，若前方格子有车，则停止。若前 方为空，则前进一格。
1992年，德国学者Nagel和Schreckenberg在第184号规则的基础 上提出了一维交通流CA模型，即，NS 模型（或NaSch模型）
二、初等元胞自动机
初等元胞自动机是状态集S只有两个元素{s1，s2}，即状态个 数k=2，邻居半径r=1的一维元胞自动机。由于在S中具体采 用什么符号并不重要，它可取 {0，1}，{-1，1}，{静止，运 动} 等等，重要的是S所含的符号个数，通常我们将其记为 {0，1}。此时，邻居集N的个数2·r=2，局部映射f：S3→S可 记为:
Sit1f(Sit1,Sit,Sit1)
大家有疑问的，可以询问和交流
可以互相讨论下，但要小声点
S. Wolfram的初等元胞自动机
由于只有0、1两种状态， 所以函数f共有28=256种状态。
256种初等CA规则
对给定初值及规则 f，可通过计算机得到N步以后的演化结果
详见： 《A New Kind of Science》
重点： NS交通流模型
难点： NS交通流模型的仿真
§1 元胞自动机理论
一、什么是元胞自动机
元胞自动机（Cellular Automata，CA）是一种时空离散 的局部动力学模型，是研究复杂系统的一种典型方法，特 别适合用于空间复杂系统的时空动态模拟研究。
元胞自动机不是由严格定义的物理方程或函数确定，而是 用一系列模型构造的规则构成。凡是满足这些规则的模型 都可以算作是元胞自动机模型。因此，元胞自动机是一类 模型的总称，或者说是一个方法框架。
CA模型最基本的组成包括四个部分:元胞(cell )、 元胞空间(lattice)、邻域(neighbor)及更新规则 (rule)。
种新的科学，从而启动另一
场科学变革。
Free online access:
90号规则：分形结构 ——CA_rule_90.m
110号规则：复杂结构 ——CA_rule_110.m
§2 元胞自动机交通流模型
一、第184号规则
特别注意：第184号规则
100
90
80
70
60
50
40
30
20
10
0
0
第六章 元胞自动机 交通流模型
本章主要内容
§1 元胞自动机理论 §2 元胞自动机交通流模型
详见： 贾斌，高自友，基于元胞自动 机的交通系统建模与模拟，科 学出版社，2007-10
相关文献：
Nagel and Schreckenberg. A Cellular automaton model for freeway traffie．Journal of Physics(France)，1992
元胞自动机交通流模型.课件
模拟结果中流量与密度关系的曲线可以用来指导城市交通规划。在规划道路时，应考虑车辆密度对交通 流量的影响，合理设置道路宽度和车道数量。
模拟结果的比较与评价
不同模型之间的比较
我们将元胞自动机交通流模型的结果与其他经典交通流模型进行了比较。通过比较发现 ，元胞自动机模型能够更好地模拟实际交通情况，特别是在复杂路况和多车道情况下的
物流配送
利用元胞自动机模型模拟物流配 送过程中的车辆行驶和货物运输 ，优化配送路线和策略。
公共安全
元胞自动机模型可用于模拟人群 流动和应急疏散，为公共安全事 件提供决策支持。
环境影响评估
通过模拟污染物在环境中的扩散 和迁移，元胞自动机模型有助于 评估环境影响和制定环境保护措 施。
元胞自动机交通流模型的未来研究方向
元胞自动机的应用领域
交通流模拟
元胞自动机可以模拟和分析交通流的 行为和特性，如拥堵现象、车速分布 等。
城市规划
元胞自动机可以用于模拟城市的发展 和演化，预测城市扩张和人口分布等 。
生态学
元胞自动机可以用于模拟生态系统的 行为和演化，如物种竞争、群落演替 等。
社会学
元胞自动机可以用于模拟和分析社会 现象，如人口迁移、群体行为等。
表现更优。
模型的优缺点分析
元胞自动机交通流模型具有简单、易实现和可扩展性强的优点，但也存在计算量大、模 拟结果受参数设置影响较大的缺点。在实际应用中，需要根据具体需求和条件选择合适
的模型。
05
CHAPTER
元胞自动机交通流模型的应 用前景与展望
元胞自动机交通流模型在交通规划与管理中的应用前景
交通流模拟
阻塞波传播
在模拟中，我们观察到了阻塞波 在道路上的传播现象。当一辆慢 车出现时，后面的车辆会逐渐减 速并形成阻塞波，导致交通拥堵
元胞自动机 ppt课件
ppt课件
10
五、模型的建立过程
• 1. 选择形核方式： 位置过饱和(SS)
• 2. 元胞的划分： 正方形，200×200
• 3. 边界条件： 周期性
• 4. 邻居类型： 交替Moore型
• 5. 设定元胞的状态： 0—未再结晶，1—再结晶
ppt课件
12
（2）位错密度
d
dt
(k1
k2 )
d
dt
其中， k1 ：硬化系数， k2：软化系数 （母相晶粒中每个元胞的初始位错密度相同，新再
结晶晶粒中每个元胞的初始位错密度为零。）
临界位错密度：
c
[
20 i 3blm
2
]1/3
式中，i ：界面能； m：晶界迁移率；
：单位长度位错线的能量， c2b2
ppt课件
6
划分元胞
优点
缺点
三角形 邻居数目较少
不易表达和显示， 需要转换为四边形
正方形 易于表达和显示
不能较好的模拟各 向同性的现象
六边形 可较好的模拟各向同性，使模 表达与显示困难 拟结果显示更接近于真实情况
表1-二维元胞划分类型及其优缺点
ppt课件
7
二维邻居类型
（1）Neumann型 （4个近邻元胞）
ppt课件
21
一、元胞自动机的定义
元胞自动机，即Cellular Automaton(CA)，也称为细胞 自动机、点格自动机、分子自动机或单元自动机。它是一种利 用简单编码与仿细胞繁殖机制的非数值算法的空间分析模式。 散布在规则格网 (Lattice Grid)中的每一元胞(Cell)取有限的离 散状态，遵循同样的作用规则，依据确定的局部规则作同步更 新。大量元胞通过简单的相互作用而构成动态系统的演化。
融合多源信息的元胞自动机交通流模型
融合多源信息的元胞自动机交通流模型随着城市化进程的不断发展和交通流量的快速增长，如何合理优化城市交通系统成为了亟待解决的问题。
为了解决交通流量管理中遇到的挑战，研究人员开始使用元胞自动机交通流模型作为一种有效的工具。
元胞自动机交通流模型结合了多源信息，并能够对城市道路网络中的交通流进行模拟和预测。
本文将重点介绍融合多源信息的元胞自动机交通流模型，并详细分析其优势和应用前景。
一、元胞自动机交通流模型简介元胞自动机交通流模型是一种基于交通流动的个体自动行为的模拟方法。
它将整个道路网络划分为多个元胞，每个元胞代表一个交通单元，如车辆或行人等。
通过定义元胞之间的规则和交互方式，模型可以刻画城市道路系统中的交通流动情况。
元胞自动机交通流模型使用自动机理论和网络拓扑结构相结合的方法，具有模拟真实交通行为的优势。
二、多源信息融合的意义和方法多源信息的融合对于提高交通流模型的准确度和预测能力至关重要。
常见的多源信息包括道路网络拓扑结构、车辆速度、交通信号灯状态、道路岔口等。
通过合理融合这些信息，可以更好地模拟城市交通流动的实际情况。
在元胞自动机交通流模型中，多源信息融合的方法主要包括以下几种：数据融合、模型融合和参数融合。
数据融合是将来自不同数据源的交通数据进行处理和整合，以获取全面准确的信息。
模型融合是将不同类型的交通模型进行整合，并基于多种模型的结果进行预测和优化。
参数融合是将不同参数的评估结果进行整合，以获取更加全面和准确的评估结果。
三、融合多源信息的元胞自动机交通流模型的优势融合多源信息的元胞自动机交通流模型相比传统模型具有以下优势：1. 准确性提高：多源信息的融合使得模型更加贴近真实交通情况，模拟结果更准确可靠。
2. 鲁棒性增强：多源信息的融合使得模型对于数据噪声和不确定性具有更好的适应和鲁棒性。
3. 预测能力增强：多源信息的融合使得模型在预测和优化交通流方面具有更高的准确性和可信度。
四、融合多源信息的元胞自动机交通流模型的应用前景融合多源信息的元胞自动机交通流模型在城市交通系统优化和管理中具有广阔的应用前景。
元胞自动机在数学模型中的应用PPT课件
1/13/2020
4
元胞简介 （Introduction）
元胞自动机的历史（History ）
• Original concept of CA is most strongly associated with John von Neumann.
• von Neumann was interested in the connections between biology and the then new study of automata theory.
To put it another way
“Not to describe a complex system with complex
equations, but let
the complexity emerge by
interaction of simple individuals following simple rules.”
The Booth Tolls for Thee
1/13/2020
33
应用举例
数学建模中的应用
The Booth Tolls for Thee
1/13/2020
34
应用举例
数学建模中的应用
The Booth Tolls for Thee
1/13/2020
35
应用举例
数学建模中的应用
The Booth Tolls for Thee
1/13/2020
18
元胞分类 (Classes)
不同的分类方式
空间上元胞可分为三类
• 一维元胞自动机 • 二维元胞自动机 • 三维元胞自动机
概率机与非概率机
典型概率机：森林火灾
交通流理论-元胞自动机模型
主讲人： 李新刚 办公地点：8710（51684936） Email: lixingang@
元胞自动机交通流模型
• 主要内容
1 绪论 2 元胞自动机的定义和构成 3 184号规则 4 NS模型简介 5 BML模型简介 6 双车道模型简介
1 绪论
Stephen Wolfram. A New Kind of Science. Wolfram Media, 2002.
2 元胞自动机的定义和构成
B. 元胞空间边界条件
理论上，元胞空间是无限的；实际应用中无法达到 这一理想条件。常用的边界条件如下：
• • • •
周期型 定值型 绝热型 反射型
2 元胞自动机的定义和构成
B. 元胞空间边界条件
•
周期型边界条件（periodic boundary）
定义：周期型是指相对边界连接起来的元胞空间
2 元胞自动机的定义和构成
元胞自动机的定义：
元胞自动机（Cellular Automata，简称CA）实质 上是定义在一个由具有离散、有限状态的元胞组 成的元胞空间上，并按照一定的局部规则，在离 散的时间维度上演化的动力学系统。
2 元胞自动机的定义和构成
元胞自动机的构成：
元胞自动机最基本的组成：元胞、元胞空间、邻居及规 则四部分。另外，还应包含状态和时间。 可以视为由一个元胞空间和定义于该空间的变换 函数所组成。
1 绪论
元胞自动机应用
交通科学领域：1986年，M. Cremer和J. Ludwig初次将元 胞自动机运用到车辆交通的研究中。随后，元胞自动机在车 辆 交通中的应用主要沿着两条主线展开：对城市道路交通流 的研究，以Nagel-Schreckenberg模型为代表;对城市交通网 络 的研究，以BML模型为代表。另外，80年代以来，计算机 水平日新月异的发展为元胞自动机的 应用提供了强有力的支 持。因此，在进入上个世纪90年代后，元胞自动机在交通流 理论研究领域中得到了广泛的应用。
元胞自动机简介ppt课件
二、经典的元胞自动机模型
2)“生命游戏”中一些演化形态
17
18
19
20
二、经典的元胞自动机模型
2 Wolfram和他的初等元胞自动机
1)初等元胞自动机
初等元胞自动机是状态集S只有两个元素，即k=2，邻 居半径r=1的一维元胞自动机。 初等一维元胞自动机可能的8种输入状态组合 111 110 101 100 011 010 001 000
31
2.2 结果
平均速度和平均车流密度的关系
32
快照
33
3 基本模型的改进
34
• 3.1 一维变速模型
3.1模型
在NS模型的基础上，考虑车可有不同的 速度，并制定相应的运行规则，最大速度为 Vmax为正整数，这样，每个格子的状态为空， 或具有一个小于等于Vmax的非负整数的车。 运行规则考虑加速、减速、随机事件等因素。
6
2 元胞自动机的构成
7
1) 元胞 元胞又可称为单元。或基元，是元胞自动机的最基本的组成
部分。元胞分布在离散的一维、二维或多维欧几里德空间的晶 格点上。
状态可以是{0,1}的二进制形式。或是{s0,s2,……si……sk} 整数形式的离散集，严格意义上。元胞自动机的元胞只能有一 个状态变量。但在实际应用中，往往将其进行了扩展。例如每 个元胞可以拥有多个状态变量。就设计实现了这样一种称之为 “多元随机元胞自动机”模型。在车辆交通元胞自动机模型中， 对车辆占用的元胞，元胞中含有车辆的位置和速度等
8
2) 元胞空间 元胞所分布在的空间网点集合就是这里的元胞空间。 理论上，它可以是任意维数的欧几里德空间规则划分。目
前研究多集中在一维和二维元胞自动机上。对于一维元抱自 动机。元胞空间的划分只有一种。而高维的元胞自动机。元 胞空间的划分则可能有多种形式。对于最为常见的二维元胞 自动机。二维元胞空间通常可按三角、四万或六边形三种网 格排列。
元胞自动机在数学模型中的应用 ppt课件
• Stanislaw Ulam suggested that von Neumann use a cellular automata as a framework for researching these connections.
• The original concept of CA can be credited to Ulam, while the early development of the concept is credited to von Neumann.
• 即使一个简单的系统, 也有很多种规则决定下一时刻的状态.
——Could base the next state of the cell off of the sum of the states of your neighbors (Game of Life).
——Could modify the scope of the neighborhood, so the resulting neighbors could be local (touching), close (neighbor’s neighbors) or global (anywhere in the system) or possibly use random neighbors
——Could allow the cells 课件
17
元胞特征 (Characteristics)
离散的网格 元胞的同质 离散的状态 局部的作用 离散的时间
• Ironically, although von Neumann made many contributions and
developments in CA, they are commonly referred to as “non-von
元胞自动机交通流模型.
2 ~ 2×7.5m/s=54km/h； 3 ~ 3×7.5m/s=81km/h； 4 ~ 4×7.5m/s=108km/h； 5 ~ 5×7.5m/s=135km/h；
随机慢化概率p=0.2；密度ρ=13.3veh/km/lan（0.1）；
第5秒 第10秒 第20秒
第40秒
×7.5m
随机慢化概率p=0.2；密度ρ=20veh/km/lan（0.15）；
t 1 t t t S f ( S , S , S ) i i 1 i i 1
二、初等元胞自动机
Hale Waihona Puke 初等元胞自动机是状态集S只有两个元素{s1，s2}，即状态个 数k=2，邻居半径r=1的一维元胞自动机。由于在S中具体采 用什么符号并不重要，它可取 {0，1}，{-1，1}，{静止，运 动} 等等，重要的是S所含的符号个数，通常我们将其记为 {0，1}。此时，邻居集N的个数2· r=2，局部映射f：S3→S可 记为:
70
60
50
40
30
20
10
0
0
10
20
30
40
50
60
70
80
90
100
特别注意：第184号规则
车辆行驶规则为：黑色元胞表示被一辆车占据， 白色表示无车，若前方格子有车，则停止。若前 方为空，则前进一格。
t t+1
111 110 101 100 011 010 001 000 1 0 1 1 1 0 0 0
NS模型是一个随机CA交通流模型，每辆车的状态都 由它的速度和位置所表示，其状态按照以下演化规则 并行更新 ： a）加速过程：v m i n ( v 1 , v ) n n m a x b）安全刹车过程： v m i n ( v , d 1 ) n n n
元胞自动机模型PPT课件
元胞自动机的组成
二维元胞自动机三种网格划分
元胞自动机的组成
三类网格划分的优缺点对比:
元胞自动机的组成
• 邻居：以上的元胞及元胞空间只表示了系统的
静态成分,为将“动态”引入系统,必须加入演 化规则。在元胞自动机中,这些规则是定义在 空间局部范围内的,即一个元胞下一时刻的状 态决定于本身状态和它的邻居元胞状态。因而, 在指定规则之前,必须定义一定的邻居规则,确 定哪些元胞属于该元胞的邻居。
内容：
• 起源与发展 • 概念 • 组成 • 特征 • 生命游戏 • 应用领域 • 道路交通仿真应用
元胞自动机的起源与发展
元胞自动机是在40年代由Ulam首先提出,随后计 算机之父冯.诺伊曼提出构造一个不确定的生命模型 系统的设想，这个系统可以智能的自我进化。后来， 冯.诺伊曼参照生物现象的自繁殖原理，将这个模型 发展为一个网格状的自动机网络，每个网格为一个 单元自动机，单元状态有生和死，相当于人体组织 的存活和消亡。
元胞自动机的特征
• 开放性和灵活性 • 离散性和并行性 • 空间性 • 局部性 • 高维性
生命游戏
生命游戏其实是一个零玩家游戏，它包括一 个二维矩形世界，这个世界中的每个方格居住 着一个活着的或死了的细胞。一个细胞在下一 个时刻生死取决于相邻八个方格中活着的或死 了的细胞的数量。如果相邻方格活着的细胞数 量过多，这个细胞会因为资源匮乏而在下一个 时刻死去；相反，如果周围活细胞过少，这个 细胞会因太孤单而死去。
谢谢聆听
·学习就是为了达到一定目的而努力去干, 是为一个目标去 战胜各种困难的过程,这个过程会充满压力、痛苦和挫折
Learning Is To Achieve A Certain Goal And Work Hard, Is A Process To Overcome Various Difficulties For A Goal
考虑行车状态的一维元胞自动机交通流模型
考虑行车状态的一维元胞自动机交通流模型花 伟 林柏梁(北京交通大学交通运输智能技术和系统教育部重点实验室,北京 100044)(2004年6月28日收到;2004年10月19日收到修改稿) 在Nagel Schrekenberg单车道元胞自动机交通流模型(简称NS模型)的基础上,考虑车辆之间的相对运动薛郁等提出了一种改进的单车道元胞自动机交通流模型(简称改进的NS模型).通过两种情况列出了改进的NS模型存在不尽周严的地方,随之在新模型中引入了行车状态变量和反馈规则,从而控制车辆出现倒车和刹车过急等现象.通过计算机对新模型进行模拟,发现减速概率和车流密度对车流状态的演化影响很大,当减速概率高(如道路条件差)时,即使车流密度低,车流也会出现局部堵塞状态;而当减速概率一定时,随着车流密度增加,车流的运动相与堵塞相发生了全局性的交替出现,此时类似于波的波峰和波谷的传播.与改进的NS模型相比较,新模型模拟的车流量较高,说明新模型减少了车流的总体停滞状态.关键词:交通流,元胞自动机,行车状态,反馈规则PACC:055011引言对交通流特性的研究一直都是交通领域及有关专家学者重点研究的问题,它涉及到路网规划、流量分配,以及道路能力设计与控制、红绿灯绿信控制等众多交通问题.近年来越来越多的学者利用元胞自动机模型及理论对交通流特性进行研究和模拟,并取得了一系列的研究成果[1—6].元胞自动机模型从计算机创始人、著名数学家Neumann在60年代提出构想[7],到W olfram设计的第184号规则元胞自动机交通流模型[8],再作为第184号规则的推广,又先后提出了FI元胞自动机交通流模型[9]和NS元胞自动机交通流模型[10]以及二维的BM L[11]元胞自动机交通流模型.虽然元胞自动机的理论与模型日趋完善,但限于交通流的复杂性和随机性,元胞自动机的研究工作一直还在进行着,甚至对一维元胞自动机交通流模型的研究.Nagel,Schrekenberg应用元胞自动机理论对高速公路的一维交通流进行了较深入的研究,但是,NS模型没有考虑前后车辆的相对运动,即t+1时刻i元胞的运动速度只与t时刻i元胞与i +1元胞间的距离有关,而与t+1时刻i+1元胞的移动量无关.薛郁等在NS模型基础上考虑了前后车辆的相对运动,并给出了新的一维元胞自动机演化规则,与NS模型相比,改进的NS模型与实测数据符合度更好[4].但改进的NS模型还不尽周严和合理,经分析,主要是没有考虑车辆的行车状态,作者在改进的NS模型的基础上提出了考虑行车状态的一维元胞自动机交通流模型,并加入了一条新规则2反馈规则.本文首先在第二部分以两种情况给出改进的NS模型可能存在的问题;第三部分给出修正后的一维元胞自动机交通流模型;第四部分通过计算机模拟得到修正后的结果,并加以分析;最后对全文做出总结.21改进的NS模型及存在问题改进的NS模型通过引入相对运动量ΔXi+1(t)对NS模型进行了修改,以Xi(t)表示第i个车辆在t时刻的位置;V i(t)表示第i个车辆在t时刻的速度,Vmax表示系统设定的最大速度;gapi(t)表示第i个车辆在t时刻与前方紧邻车辆的间距,gapi(t)= X i+1(t)-X i(t)-1;P noise表示车辆具有的减速概率;ΔXi+1(t)表示第i+1个车辆t+1时刻与t时刻的位移量,因为时间间隔为单位时间,所以位移量就等于第i+1个车辆t+1时刻的速度,ΔXi+1(t) =X i+1(t+1)-X i+1(t)=V i+1(t+1).同样,改进的NS模型将初始速度分布为0—V max的N个车辆随机第54卷第6期2005年6月100023290Π2005Π54(06)Π2595205物 理 学 报ACT A PHY SIC A SI NIC AV ol.54,N o.6,June,2005ν2005Chin.Phys.S oc.地分布在长度为L 的一维离散的格点链上,并在考虑周期边界条件下,给出间距的确定规则如下:(1)确定所有车辆i 在t +1时刻的速度分布:IF (V i (t )≥gap i (t )+ΔX i +1(t )):V i (t +1)=gap i (t )+ΔX i +1(t )-1,以概率p noise gap i (t )+ΔX i +1(t ),其他 (跟车Π减速规则),E LSE IF (V i (t )<V max )V i (t +1)=V i (t ),以概率p noise V i (t )+1,其他 (加速规则),E LSE IF (V i (t )=V max 且V i (t )<gap i (t )+ΔX i +1(t ))V i (t +1)=V max -1,以概率p noise V max ,其他 (自由运动规则). (2)确定所有车辆i 在t +1时刻的位置:X i (t +1)=X i (t )+V i (t +1) 下面用两种情况指出改进的NS 模型中可能存在的问题:情况1 在t 时刻,如果V i +1(t )=0,V i (t )=0,gap i (t )=0,那么在t +1时刻,当V i +1(t +1)=0,则ΔX i +1(t )=0(),车辆i 满足条件V i (t )≥gap i (t )+ΔX i +1(t ),则按跟车Π减速规则,得到V i (t +1)=-1,以概率p noise ,0,其他. 如何解释V i (t +1)以概率P noise 等于-1?再者,理论上V i (t +1)必定等于0,而不是以某一概率等于0.情况2 在t 时刻,如果V i +1(t )=1,V i (t )=4,gap i (t )=4,那么在t +1时刻,当V i +1(t +1)=0,则ΔX i +1(t )=0(停车状态),车辆i 满足条件V i (t )≥gap i (t )+ΔX i +1(t ),则按跟车Π减速规则,得到V i (t +1)=3, 以概率p noise ,4, 其他,gap i (t +1)=1, 当V i (t +1)=3,0, 当V i (t +1)=4. 这里可以看到,当前车停车后,后车速度比较快时,后车仍以1-P noise 的概率跟车,而没有采取减速措施,虽然模型中的后车不会碰上前车,但这是不符合车流特性的.再推进一个时间步,即t +2时刻,取V i (t +1)=4(跟车),当V i +1(t +2)=0,则ΔX i +1(t +1)=0(停车状态),车辆i 满足条件V i (t +1)≥gap i (t +1)+ΔX i +1(t +1),则按跟车Π减速规则,得到V i (t +2)=-1,以概率p noise ,0,其他. 这里仍存在V i (t +2)=-1,即倒车现象.另外可以看出,前车在刹车两个时间步后,后车是一步刹车而减为0,如果在满足刹车条件时先减速,再刹车可能更符合车流特性.从情况1和情况2可以看出,改进的NS 模型虽然将车辆间的相对运动量引入了NS 模型,但没有将前车的行车状态考虑进模型中,所以出现倒车、刹车过急等不尽周严和合理的现象.31考虑前车行车状态的新模型新的模型将前车的行车状态分成停车状态和行进状态,用δi +1(t )表示前车t 时刻的行车状态:δi +1(t )=1, 当ΔX i +1(t )=0(停车状态),0, 当ΔX i +1(t )>0(行进状态),其他变量定义同前,在模型中同时还添加了反馈规则,以避免不尽合理的急刹车.在本模型中仍是将初始速度分布为0—V max 的N 个车辆随机地分布在长度为L 的一维离散的格点链上,在考虑周期边界条件下,给出间距的确定规则如下:1)确定所有车辆i 在t +1时刻的速度分布:6952物 理 学 报54卷IF (V i (t )≥gap i (t )+ΔX i +1(t )):(减速规则) V i (t +1)=0,当gap i (t )=0(后车必停车)gap i (t )-1,当gap i (t )>0(后车必减速),当δi +1(t )=1 V i (t +1)=gap i (t )+ΔX i +1(t )-1,以概率p noise gap i (t )+ΔX i +1(t ),以概率1-p noise,当δi +1(t )=0E LSE 2IF (V i (t )<V max ):(加速规则) V i (t +1)=V i (t ),以概率p noiseV i (t )+1,以概率1-p noise E LSE (V i (t )=V max ):(自由运动规则) V i (t +1)=V max -1,以概率p noise V max ,以概率1-p noiseIF (V i (t +1)=gap i (t )且gap i (t )>1):V i (t +1)=V i (t +1)-δi +1(t )(反馈规则) 2)确定所有车辆i 在t +1时刻的位置:X i (t +1)=X i (t )+V i (t +1). 根据上述规则进行模拟,并由一维格点链计算公式:车辆密度ρ=N L,t 时刻的平均速度 V (t )=1N∑Ni =1V i (t ),及t 时刻的平均车流量 J (t )=ρ× V (t ),ρ2V 关系曲线、车流量与车辆密度的ρ2J 关系曲线,以及平均速度与车流量V 2J 关系曲线.其中N 为分布在格点链L 上的车辆数.模拟中的道路长度L 为715km ,用1000个格点表示,车辆以初始速度分布为0—V max 随机地分布在1000个一维离散的格点上,边界为周期边界条件.如果取单位时间步长为1s ,则最大速度V max =5相当于135km Πh.因为模拟中采取了周期边界条件,所以对于某次模拟,格点中的车辆数N 固定不变,那么车流密度ρ也是常数.因此,通过改变每次模拟中的车流密度和减速概率P noise ,可以观察对应车流速度和车流量的变化趋势.41计算机模拟及分析通过计算机模拟结果可知,减速概率P noise 对车流速度的影响相当大,在文献[4]中作者给出了减速概率与车辆密度的关系,但减速概率还同路况、驾驶员等诸多因素有关,所以本文中没有沿用文献[4]中的关系式,而取P noise 为0110,0125和0150三种概率进行模拟比较;每次模拟的总时间步长为60000个单位时间步,所有的平均速度为50000—55000时间步内的算术平均值,这样可以避免初始状态的影响;每个时间步车辆i 选择规则所需的随机数满足0—1平均分布,且相互独立.图1所示为车辆位置随时间推移的演化过程图,取400格点后的车流位置:(a )部分为车辆密度ρ=0109、减速概率P noise =0109条件下的车流演化过程.可以看出整个车流位置呈线形演化,基本维持车辆间距不变;(b )部分为车辆密度ρ=0109、减速概率P noise =0180条件下的车流演化过程.虽然车流密度很低,但在局部地方还是发生了车辆较长时间的停滞,并引起后续车辆的停滞.由此可以看出:减速概率对车流行进的影响很大,而且车辆一旦停滞,由于减速概率大,加速概率小,所以车流启动也很缓慢;(c )部分为车辆密度ρ=0150、减速概率P noise =0150条件下的车流演化过程.图示中存在很明显的“波”传递过程,竖黑线部分表示车辆停滞状态,白色断层部分表示车辆行进状态,由于车辆密度高,减速概率大,所以前车的行车状态对后续车辆的行车状态影响很大.图2给出了不同减速概率下的车流密度ρ与平均速度V 的关系图.同样看出减速概率对车流速度的影响很明显,近线性关系;在车流密度较小时,车流速度变化不大;当车流密度达到一定程度时,车流速度出现了明显的拐点;车流速度为零,即发生大面积堵塞时,车流密度还没有达到0190,从理论上分析,只要密度不等于1100,车辆间就有空格,那么个别车辆会爬行,出现这种结果与计算机的计算精度有关.图2中,对应P noise =0110的ρ2V 曲线:最大的平均速度V =132132km ・h-1;当ρ=0146时,车速出现拐点,此时平均速度V =130154km ・h-1;当平均速79526期花 伟等:考虑行车状态的一维元胞自动机交通流模型度V 接近零时,ρ=0176.对应P noise =0125的ρ2V 曲线:最大的平均速度V =128191km ・h -1;当ρ=0123时,车速出现拐点,此时平均速度V =123160km ・h -1;当平均速度V 接近零时,ρ=0162.对应P noise =0150的ρ2V 曲线:最大的平均速度V =121165km ・h-1;当ρ=0111时,车速出现拐点,此时平均速度V=119100km ・h -1;当平均速度V 接近零时,ρ=0156.从模拟结果看,无论密度多小,减速概率多小,车速都没有达到最大速度135100km ・h -1,这说明车辆速度存在波动.图1 位置与时间关系图图2 对应不同P n oise 的平均速度V 与密度ρ关系图图3 对应不同P n oise 的平均速度V 与流量J 关系图 图3给出了不同减速概率下的平均速度V 与流量J 的关系图.当在一定车速范围内,车流量呈线性增加,但车速到达某一速度值后,车流量反呈非线性递减;当车速太快(密度小)和太慢时,流量都很小.对应P noise =0110的V 2J 曲线:当车速最大,即V =132120km ・h -1时,流量J =88113veh ・h -1;当车速在132120—130171km ・h -1时,流量呈线性递增;当车速V =130100km ・h -1时,流量出现拐点,即达到最大值,J max =6760100veh ・h -1;当车速在130100—0100km ・h -1时,流量呈非线性递减.对应P noise =0125的V 2J 曲线:当车速最大,即V =128141km ・h -1时,流量J =85160veh ・h -1;当车速在128141—125160km ・h -1时,流量呈线性递增;当车速V =123134km ・h -1时,流量出现拐点,即达到最大值,J max =3617197veh ・h -1;当车速在123134—0100km ・h -1时,流量呈非线性递减.对应P noise =0150的V 2J 曲线:当车速最大,即V =121152km ・h -1时,流量J =81103veh ・h -1;当车速在121152—120152km ・h -1时,流量呈线性递增;当车速V =119100km ・h -1时,流量出现拐点,即达到最大值,J max =1904100veh ・h -1;当车速在119100—0100km ・h -1时,流量呈非线性递减.与NS 模型和改进的NS 模型相比较,车流量总体偏大,说明车流总体停滞次数减少.51结 论本文通过两种情况指出改进的NS 模型存在着8952物 理 学 报54卷不尽周严的问题,随之引入行车状态变量,在前车停止行进时,后车相应采取减速措施,而不是随机减速;另外,补充了一条全新的车辆运动规则———反馈规则,进一步控制车辆的急刹车现象.计算机模拟结果显示,车流量相比增大,这是车流总体停滞次数减少的结果,说明改进模型是有效的.[1]W ang B H et al 1998Acta Phys .Sin .47906(in Chinese )[汪秉宏等1998物理学报47906][2]L üX Y et al 1998Acta Phys .Sin .471761(in Chinese )[吕晓阳等1998物理学报471761][3]Huang P H et al 2001Acta Phys .Sin .5030(in Chinese )[黄乒花等2001物理学报5030][4]Xue Y et al 2001Acta Phys .Sin .50445(in Chinese )[薛 郁等2001物理学报50445][5]T an H L et al 2002Acta Phys .Sin .512713(in Chinese )[谭惠丽等2002物理学报512713][6]Xue Y 2004Acta Phys .Sin .5325(in Chinese )[薛 郁2004物理学报5325][7]Neumann V 1966Theory o f Self 2Reproducing Automata (Urbana :University of Illinois Press )[8]W olfram S 1986Theory and Application o f Cellular Automata (S ingapore :W orld Scientific )[9]Ishibashi Y and Fukui M 1994J .Phys .Soc .Japan ,632882[10]Nagel K and Schrekenberg M 1992J .Physique I France 22221[11]Biham O ,M iddleton A A and Levine D 1992Phys .Rev .A 46R6124One -dimensional traffic cellular automaton modelwith considering the vehicle moving statusHua W ei Lin Bo-Liang(K ey Laboratory o f Intelligent Technologies and Systems o f Tra ffic and Transportation ,Beijing Jiaotong Univer sity ,Beijing 100044,China )(Received 28June 2004;revised manuscript received 19October 2004)AbstractBased on the single lane traffic cellular automaton (C A )m odel introduced by Nagel and Schreckenberg (called NS m odel ),Xue Y u et al proposed an im proved single lane traffic C A m odel by considering the relative m otion of vehicles (called im proved NS m odel ).Several faults in the im proved NS m odel using tw o exam ples is pointed out and also another single lane traffic C A m odel by introducing vehicle-m oving -status variable and feedback rule is proposed.These methods help to prevent vehicle from m oving backward and stopping hurry.Numerical simulations are carried out and the results indicate that the deceleration probability and traffic density have a heavy im pact on the ev olution process of traffic flow.Under the condition of high deceleration probability ,there may happen local traffic jams even with low traffic density.And with a constant deceleration probability ,the global free phases and jam phases will appear alternately as the traffic density increases to a certain level.The phenomenon is very sim ilar to the propagation of wave.The traffic flow is higher in the new m odel than in the im proved NS m odel.This proves that the stop status of the whole traffic flow has been im proved.K eyw ords :traffic flow ,cellular automata ,vehicle m oving status ,feedback rule PACC :055099526期花 伟等:考虑行车状态的一维元胞自动机交通流模型。