步骤5:更新位置,增加时间<我nl我ne-formula>
t
来<我nl我ne-formula>
t
+
1
,并返回步骤1。
注意,一个给定的车辆不能加速和减速都在同一迭代,和所有车辆同步更新他们的位置。
2.2。模型函数加速。
车辆<我nl我ne-formula>
k
更新它的速度<我nl我ne-formula>
v
k
如下。
如果<我nl我ne-formula>
v
k
<
v
马克斯
和
d
最近的
k
>
v
k
+
1
,
N
accel
k
→
N
accel
k
+
1(不管当前状态)。
如果<我nl我ne-formula>
年代
t
一个
t
e
k
=
n
o
r
米
一个
l
,
v
k
→
v
k
+
1
,
其他的如果<我nl我ne-formula>
年代
t
一个
t
e
k
=
h
一个
r
年代
h
,
如果<我nl我ne-formula>
d
最近的
k
>
v
k
+
2
,
v
k
→
v
k
+
2
,
其他的<我nl我ne-formula>
v
k
→
v
k
,
其他的如果<我nl我ne-formula>
年代
t
一个
t
e
k
=
c
一个
l
米
,
v
k
→
v
k
。
在这里,<我nl我ne-formula>
d
最近的
k
是距离最近的车辆前面的一辆车吗<我nl我ne-formula>
k
和<我nl我ne-formula>
N
accel
k
是这辆车的次数<我nl我ne-formula>
k
加速了。
我们所说的前两个加速度操作“正常加速”和“严酷的加速度,”分别。前者对应于通常的NS模型,而“猛踩油门”只发生如果车辆处于恶劣状态下车辆足够远。最后,速度<我nl我ne-formula>
v
永远不会改变,如果车辆处于平静状态。
减速。
这个函数发生如果满足下列条件,无论车辆的状态。
如果<我nl我ne-formula>
d
最近的
k
≦
v
k
和
d
最近的
k
−
1
≧
0
,
v
k
→
d
最近的
k
−
1
,
N
慢
k
→
N
慢
k
+
1
。
在这里,<我nl我ne-formula>
N
慢
k
是这辆车的次数<我nl我ne-formula>
k
已经减速。
随机化速度。
这个函数发生如果满足下列条件,无论车辆的状态。
如果<我nl我ne-formula>
v
k
>
0
,
v
k
→
v
k
−
1
的概率
p
。
限制流速。
如果更新的速度<我nl我ne-formula>
v
k
以上<我nl我ne-formula>
v
马克斯
,然后是减少的<我nl我ne-formula>
v
马克斯
。
如果<我nl我ne-formula>
v
k
>
v
马克斯
,
v
k
→
v
马克斯
。
改变状态。
如果宣布的数量<我nl我ne-formula>
N
慢
k
已达到阈值(<我t一个l我c>threshold_slow),那么车辆进入平静的状态,无论其之前的状态。相比之下,如果加速度的数量<我nl我ne-formula>
N
accel
k
已达到阈值(<我t一个l我c>threshold_acceleration),那么车辆进入的状态,无论其之前的状态。这些变化实现如下。
如果<我nl我ne-formula>
N
慢
k
>
t
h
r
e
年代
h
o
l
d
_
年代
l
o
w
,
年代
t
一个
t
e
k
→
c
一个
l
米
,
N
慢
k
→
0
,
N
accel
k
→
0
。
如果<我nl我ne-formula>
N
accel
k
>
t
h
r
e
年代
h
o
l
d
_
一个
c
c
e
l
e
r
一个
t
我
o
n
,
年代
t
一个
t
e
k
→
h
一个
r
年代
h
,
N
慢
k
→
0
,
N
accel
k
→
0
。
注意,这两个<我nl我ne-formula>
N
慢
k
和<我nl我ne-formula>
N
accel
k
将重置为零当他们超过相应的阈值,也就是说,有些车辆在恶劣或平静状态停留很长一段时间。个人车辆使主观估计的全球交通流基础上他们有加速或减速。当车辆进入平静的状态,这意味着它认为全球流拥挤。另一方面,当它进入的状态,这意味着它认为全球流不拥挤。这样,个人车辆协调他们的基于距离的车辆速度在前面。
更新的位置。
车辆<我nl我ne-formula>
k
更新它的位置<我nl我ne-formula>
x
k
基于它的速度<我nl我ne-formula>
v
k
在当前时间步。
(1)
x
k
→
x
k
+
v
k
。
通量和车辆密度之间的关系。(一)意味着多个州通量NS模型<我nl我ne-formula>
p
=
0.01
v
马克斯
=
5,<我t一个l我c>threshold_slow= 5,<我t一个l我c>threshold_acceleration= 15。垂直条指示标准差。(b)通量从多个州所有试验NS模型。(c)通量从平静的所有试验模型<我nl我ne-formula>
p
=
0.01
v
马克斯
=
5,<我t一个l我c>threshold_slow= 5。(d)通量从所有试验的模型<我nl我ne-formula>
p
=
0.01
v
马克斯
=
5,<我t一个l我c>threshold_acceleration= 15。
说明车辆的位置超过10000多个州时间步NS模型。在这里,垂直和水平轴表示时间步和车辆位置,分别和每个车辆显示为一个黑点。车辆密度为0.40,<我nl我ne-formula>
p
=
0.01
v
马克斯
=
5,<我t一个l我c>threshold_slow= 5,<我t一个l我c>threshold_acceleration= 15。
额外的分析和数据。图S1。插图的车辆位置的模型。在这里,垂直和水平轴表示时间步和车辆位置,分别和每个车辆显示为一个黑点。这里的车辆密度是0.10 (a)和(b) 0.50,和<我nl我ne-formula>
p
=
0.01
,<我nl我ne-formula>
v
马克斯
=
5
,<我t一个l我c>threshold_acceleration= 15。图S2。车辆速度和位置之间的关系在一个特定的时间步。在这里,从一个试验获得的数据是使用多态NS模型车辆密度为0.40。图S3。车辆速度和位置之间的关系在一个特定的时间步。在这里,从一个试验获得的数据是使用多态NS模型车辆密度为0.20。图S4。流量特性的车辆密度0.20。(一)通量的变化超过100000时间步。 (b) Subset of the data in (a). (c) Cumulative distribution of the intervals between extreme jams. Here,<我nl我ne-formula>
p
=
0.01
,<我nl我ne-formula>
v
马克斯
=
5
,<我t一个l我c>threshold_slow= 5,<我t一个l我c>threshold_acceleration= 15。图S5。Flux-vehicle密度随着时间的推移和通量的变化对不同阈值的关系。在这里,<我nl我ne-formula>
p
=
0.01
和<我nl我ne-formula>
v
马克斯
=
5
。(一)通密度关系<我t一个l我c>threshold_slow= 10,<我t一个l我c>threshold_acceleration= 30。(b)通密度的关系<我t一个l我c>threshold_slow= 10,<我t一个l我c>threshold_acceleration= 10。(c)通量随时间的变化<我t一个l我c>threshold_slow=10和<我t一个l我c>threshold_acceleration= 30。(d)通量随时间的变化<我t一个l我c>threshold_slow= 10,<我t一个l我c>threshold_acceleration= 10。平均10试验的数据超过10000时间步骤绘制在(a)和(b),而部分数据从一个试验超过100000次步骤绘制(c)和(d)。垂直条指示标准差。图S6。通量的属性<我nl我ne-formula>
p
=
0.01
,<我nl我ne-formula>
v
马克斯
=
5
,<我t一个l我c>threshold_slow= 5,<我t一个l我c>threshold_acceleration= 15。(一)通量的变化超过100000时间步。(b)中数据的子集(a)。(c)累积分布之间的间隔极端的堵塞。