交通问题中的数学模型的分类与研究.doc

石河子大学毕业论文

题目： 交通问题中的数学模型的分类与研究

院 （系）： 师 范 学 院
专 业： 数学与应用数学
班 级： 2006级
学 号： 2006010005
姓 名： 陈 明 春
指导教师： 刘 旭 阳

完成时间： 2010年6月

目 录
摘 要： 1
关键词： 1
引 言 1
一、交通问题中数学模型的分类 1
1、数学微分模型 1
1.1交通流的基本函数： 2
1.2连续交通流方程： 3
1.3间断交通流方程 5
1.4应用范围： 6
1.5模型优缺点： 6
2、动力学模型 6
2.1动力学交通流模型研究进展 6
2.2交通流的流体力学模型 7
2.3交通流的气体动力论模型 7
2.4交通流的跟驰模型 8
2.5元胞自动机模型 10
二、基于元胞自动机理论模型及其模拟研究 12
1、交通流元胞自动机模型概述 12
1.1 一维交通流元胞自动机模型 13
1.11 NS模型及其改进模型 13
1.12 FI模型 17
2、交通流元胞自动机模拟 18
2.1元胞参数定义 18
2.2 元胞自动机规则 19
2.3数值模拟 20
2.4 结果分析 23
2.5 结论 24
三、小结 24
四、参考文献 25

交通问题中的数学模型的分类与研究
陈明春
（新疆石河子大学 师范学院数学系 新疆 832000）

摘 要：本课题对以往交通问题中的数学模型进行分类总结，然后着重分析每种方法比如动力学模型等模型的使用范围以及相应的缺陷，并且在各种方法总结比较中，挑选动力学模型中元胞自动机模型进行使用，把车辆在路段上运动的变化规律表述为元胞自动机的演变规则，建立基于元胞自动机理论的交通流模拟模型。标定了元胞长度和最大速度等参数，继而提出反映车辆在路段上自由行驶、跟驰行驶和减速行驶等交通行为的元胞自动机规则。
关键词： 交通流 数学模型 分类 元胞自动机

引 言：随着我国改革开放的不断深入，城乡经济的进一步繁荣，城市规模的日益扩大，城市交通中的各种机动车辆和非机动车辆数量迅速增加，从而使城市道路更为拥挤和难以管理，交通堵塞和拥挤严重、城市公共交通发展较慢，公交工具数量不足，结构单一，运营效率和效益低、交通管理设施、技术差，从而导致交通问题屡见不鲜。因此，研究城市交通问题能帮助我们深入分析城市交通系统中交通需求与交通供给之间的内在作用规律，探究新的解决途径，为城市交通的良好运作与人们安全出行提供必要的理论保证。
一、交通问题中数学模型的分类
1、数学微分模型
微分模型也是研究交通问题的一类重要方法，它以微积分学为基础，把车辆看成连续的质点，建立连续的交通流模型。下面以红绿灯下的交通流模型为例介绍数学微分模型。
各种类型的汽车一辆接着一辆沿着公路飞驰而过，其情景就像湍急的河流中奔腾的流水一样。在这种情况下，很难分析每辆汽车的运动规律，而是把车辆对看作连续的流体，称为交通流。研究每一时刻通过公路上每一点的交通流的流量、速度和密度等变量间的关系。

1.1交通流的基本函数：
研究对象是无穷长公路上沿单向流动的一条车流。假定不允许超车，公路上也没有岔道，即汽车不会从其他通道进入或驶出。
在公路上选定一个坐标原点，记作。以车流运动方向作为轴的正向，于是公路上任一点用坐标表示。对于每一时刻和每一点，引入3个基本函数：
流量时刻单位时间内通过点的车辆数；
密度时刻点处单位长度内的车辆数；
速度时刻通过点的车流速度。
将交通流视为一维流体场，这些函数可以类比作流体的流量、密度和速度。这里的速度不表示固定的哪一辆汽车的速度。
3个基本函数之间存在着密切关系。首先可以知道，单位时间内通过的车辆数等于单位长度内的车辆数与车流速度的乘积，即
（1）
其次，车流速度 总是随着车流密度的增加而减小的。当一辆汽车前面没有车辆时，它将以最大速度行驶，可以描述为 时 （最大值）；当车队首尾相接造成堵塞时，车辆无法前进，可记为（最大值）时。
如果简化假设是的线性函数，则有：
（2）
再由可得：

（3）
表明流量随车辆密度的增加先增后减，在处达到最大值。
流量与密度的关系

其中（2），（3）式是在平衡状态下，和之间的关系，即假定所有车辆的速度相同，公路上各处的车流密度相同。
1.2连续交通流方程：
将交通流类比于流体，假定和都是和的连续、可微函数，并满足解析运算所需要的性质，下面根据守恒原理导出这些函数满足的方程。
由积分知道，时刻，区间内的车辆数为，单位时间内通过，点的流量和之差等于车辆数的变化率，即：
（4）
这是交通流的积分形式，它并不需要函数对的连续性。
在关于和的解析性质的假定下，（4）式的左右端可分别记作

所以（4）式化为：

由于区间是任意的，所以有：
（5）
这就是连续交通流方程。当把表示为的已知函数时（如（3）式），导数也是已知函数，记作，于是按照求导法则有

这样，方程(5)可以写成：
（6）
其中是初始密度。方程（6）的解描述了任意时刻公路上各处的车流分布情况，再由即可得到流量函数。
（6）式是一阶拟线性偏微分方程，用特征方程和首次积分法求解得到结果：
（7）
（8）
容易验证（7），（8）满足方程（6）。
等式对求导有：
（9）
等式对求导有：
，
将（7）式代入得到。
这个结果代入（9）式就是方程（6）。那么（7），（8）满足初始条件则是显然的。
方程（6）的特征线

方程（6）的解（7），（8）有着明显的几何意义，在平面上（8）式表示一族直线，它与轴的交点坐标为，斜率为（对的斜率），当函数给定后，随着改变。这族直线成为方程的特征线。则（7）式表明，沿每一条特征线车流密度是常数，当然在不同特征线上随着不同而不同。
1.3间断交通流方程
当密度函数出现间断时，是具有实际意义的也是常见的一种情况。一连串的间断点在平面上构成一条孤立的、连续的间断线，记作并假定它是可微的。
在任意时刻，在轴上是孤立的，取区间，使。在内交通流方程的积分形式（4）仍然成立。将分为两个区间和，在每个区间内是连续、可微的，于是有：

其中和分别表大于示从小于和一侧趋向时的极限值。在这种趋向下和的极限值记作：

和在间断点处的跳越值记作：

如图所示：

当时（11）式中的=0，=0。利用（12），（13）式的记号立即得到

或者记作：
在处间断
这就是间断线应满足的方程，其中和可以用连续交通流方程得到的和在间断点处取极限值算出。
1.4应用范围：
该模型适用于研究一维单车道交通流，即研究对象是无穷长公路上沿单向流动的一条车流，并且前提条件是不允许超车，公路上没有岔道，汽车不会从其他通道进入或驶出。
1.5模型优缺点：
该模型按照守恒关系建立微分交通流模型，利用特征线求解，能够合理的解释很多交通流中出现的现象。同时，该模型利用间断线的研究方法，能够很好的研究解决红绿灯信号以及类似于红绿灯信号模型出现的情况。
2、动力学模型
动力学模型是研究现代交通问题的主要方法之一，它主要是以元胞自动机（CA）为动态模型，建立一种适合普遍的交通问题的数学建模方法。
交通问题中的研究对象如车辆和人都是不连续的，车流运动也有很大的随机性和不确定性，用非线性的离散模型来刻划交通现象，这在交通研究的方法上是一个创新。模拟的基本思想是将路面格子化，每个格子视为有独立思维的小元胞，若干个小元胞对应一辆或几辆小汽车，把车辆在路面上的运动看成是格子场的演变，元胞可以像小汽车一样通过观察周围环境的变化来决定下一步的运动状态，凡车辆应遵守的交通规则都表述为元胞的演变规则，车辆行驶的加速、减速、惯性、跟驰等均可以通过元胞的速度变化规则来详细刻划，从而把交通流的变化规律转化为元胞的演变规则加以研究。
2.1动力学交通流模型研究进展
动力学交通流模型的发展是伴随着汽车工业和交通需求的迅速增长而发展起来的。上个世界30年代，J.P.Kinzer首次将泊松分布应用于交通流；50年代初，L。A。Pipes首次提出跟驰模型；1955年，M.J.Lighthill ，J.B.Whitbam以及P.I.Richards各自独立的提出了交通流力体模型，简称LWR模型。20世纪70年代，H.J.Payne提出了交通动量方程和连续性方程构成的交通流动力学高阶模型；与此同时，著名的物理学家I.Prigogine和R.Herman运用气体动理论提出了交通流气体动理论模型。在非线性科学和复杂科学的推动下，K。Nagel和M。Schreckenberg提出了一维元胞自动机交通流模型，简称NS模型；后来，O.Biham，A .Aiddleton和D.Levine提出了二维的元胞自动机交通流模型，简称BML模型。
概括起来，目前，关于动力学交通流模型的研究主要分为三大类型：基于连续性描述的流体力学模型、基于概率统计描述的气体动力论模型、基于微观离散描述的跟驰模型以及元胞自动机模型。
2.2交通流的流体力学模型
交通流的流体力学模型将交通流视为由大量车辆组成的可压缩连续流体介质，力图以车辆的平均密度，平均速度，交通流量等宏观量来刻画车辆的平均合作行为。流体力学模型在推动交通流理论的发展过程汇总，起着非常重要的作用，其中重要的模型有LWR模型、Payne模型等。LWR模型描述了“交通激波”现象，也就是交通过程只能给形成的车辆密度的不连续性和由此行程的交通阻塞，以及交通阻塞的消散过程。但是，LWR模型假设了速度、密度之间始终满则平衡关系，因此该模型不适用于描述本质上处于非平衡态的交通现象，例如存在车辆上下、下砸到的交通，时停时走的“幽灵式”交通阻塞，交通迟滞等。延续LWR模型的思想，并考虑交通流速度动态变化，在引用连续性方程的同时，引进动力学方程，Payne建立了如下两个方程构成的高阶连续模型—Payne模型：
（1）
（2）
（2）式的右边第一项为期望项，为期望指数，反映驾驶员对前方交通状态改变的反应过程；第二项式驰豫项，描述车辆速度在弛豫时间内向平衡速度的调整；最优速度函数和其他参数一般通过对所考察的道路实测和参数辨识来确定。
模型优缺点：Payne模型允许速度偏离平衡速度密度关系，较之LWR模型能更准确地描述实际车流，即可描述诸如交通激波形成以及阻塞消散，又能够分析任意小扰动引起的交通失稳、交通迟滞、时停时走的交通形成现象等等。
2.3交通流的气体动力论模型
著名的物理学家Prigogine和著名的交通流专家Herman在研究交通流时认为不能忽略车辆的个体行为对交通流的影响，个体行为不同会带来不同的集体运动行为。如果把每一辆车用一个粒子来表示，那么交通流就被视为由许多相互作用的粒子构成的气体。借鉴于气体运动的统计物理描述办法，引入粒子分布函数，建立类似的Boltzmann方程。通过对Boltzmann方程逐级求解，就可以得到宏观交通流的连续模型。最初的Prigogine-Herman模型得到的很多交通性质与实测结果不相吻合，因此，在此模型的基础上，先后提出了许多改进模型，其中Helbing模型最为成功。Helbing在考虑了车辆的加速和相互作用机制后，将描述车辆运动状态的粒子分布函数所遵守的Boltzmann方程改写为

其中，是两辆车辆的速度，是车辆的期望速度，为扩散函数，为超车概率，是与密度有关的因子。是车辆之间的作用函数。通过对上式方程求矩得到：

其中，是交通压力，定义为：

是速度方差，是车辆在驰骋时间内趋近的动态平衡速度。与其他模型相比，Helbing模型动态平衡速度与安全距离之间相互点的密度和速度有关，表示为：

模型优缺点：Helbing模型的数值模拟表明该模型能够描述由匝道引起的各种交通状态和交通相变，不仅能准确地解释“幽灵式的交通阻塞”，而且还能解释时停时走交通引起的堆集形成以及同步交通等非线性动态现象。
模型应用：以Helbing模型为基础研制的交通软件包MAS-TER具有计算速度快、鲁棒性强的特点，可以实时仿真几千里长的高速公路交通。
2.4交通流的跟驰模型
跟驰模型中将交通流处理为分散的粒子组成，以单个车辆作为描述对象，通过研究单个车辆的前后作用，来了解交通流的特性。从力学观点来看，它实际上是一种质点系动力学模型，假设车队中的每一辆车必须与前车保持一定的间距以免发生碰撞，后车的加速或减速取决于前车。考虑车辆对刺激的反应滞后效应以及车辆运动的随机性，每辆车的运动规律可以通过如下类型的微分方程来描述：

其中车距为，相对速度(速度差)为、。跟驰模型就是通过求解这类微分方程来确定车流的演化。实测数据表明，驾驶员对前方车距变化会发生延迟的反应从而产生小扰动，小扰动沿车流上游传播，经过一定程度的放大后，引起畅行车辆的不稳定，这个不稳定性造成交通“挤压”，导致局部区域车辆密集，阻塞相就此形成。因此，分析跟驰模型的稳定性条件是相当重要的。目前，跟驰模型研究的主要热点集中在基于Bando等人提出的优化速度模型上，该模型的一般形式

其中是犹豫时间，优化速度可取多种形式。其中最常用的一种形式为：

是车辆行驶的最大速度，是车辆之间安全距离。当时，以避免车辆碰撞；当时，，即车辆畅行，不会发生相互作用；该模型的稳定性条件是Bando等人研究了周期边界条件下，车流的动力学行为，结果发现当交通流处于不稳定状态时，会出现时停时走现象，在系统的时空演化图上交替地出现高密度和低密度的区域。取上述优化速度时，交通流演化过程中会出现三个不同的区域：稳定区域、亚稳定区域和不稳定区域，分别对应Burgers方程描述的密度波，类似KdV方程所描述的孤立波和交通阻塞所呈现的扭结一反扭结(kink-antikink)密度波。与实测数据比较，优化速度模型的结果与实际交通相当符合，但是，最近实测数据发现，优化速度函数与交通状态有关，此外，加速过程与减速过程的对称性不能自动地避免车辆碰撞。鉴于优化速度模型没有包含对相对速度效应，特别是快速车接近慢速车时就会发生追尾而引起事故，Treiber等人提出了智能驾驶模型：

该模型考虑在畅通运行状态的加速趋势：

以及第辆车接近前辆车的减速趋势：

其中为前车与后车的速度差（接近速度），为车间距，是期望最小间距，与实际间距的关系为：

它随着速度和接近速率变化而变化，为阻塞距离。
模型优缺点：利用智能驾驶模型进行数值模拟得到的结果与气体动理论的Helbing模型的结果一致，能够再现复杂的交通行为。实际上，可以从智能驾驶模型出发推导出宏观的连续模型—Helbing模型。
2.5元胞自动机模型
传统的交通流模型如流体力学模型、气体动力学模型、跟驰模型等在理论研究和实际应用中发挥了重要作用。然而由于交通流在时间、空间上具有高度的随机性、动态性和复杂性，交通系统表现出丰富的非线性特征。实证研究表明，交通流存在三相：自由流(free flow)、大范围移动阻塞(wide movingjams)和同步流(synchronized flow)，还有一些“异常”现象，如亚稳态(meta-stable states)、滞回效应(hysteresiseffect)、排队消散(platoon dispersion)等，传统模型对此难以解释。另一方面，真实交通系统一般路网规模巨大，道路使用者众多，传统的微观仿真方法面临着计算资源约束，要求有结构简单、计算迅速的交通流模型。目前基于元胞自动机(Cellular Automata，CA)的交通流模型取得了很大进展。CA是研究系统复杂性的重要工具，在很多领域得到广泛应用，Cremer等最早用CA思想对交通流进行了研究。虽然CA模型微观上的规则简单、不太真实，但从统计物理的角度看，可以再现系统的宏观特性，一般其看作“最小化”的系统，用来揭示系统的本质规律。另外，CA时间、空间、状态变量均离散，元胞状态并行局部更新，适合计算机模拟，能够实现大规模路网的快速计算。
交通流元胞自动机模型的出现和发展为交通流理论研究提供了一种新的方向。交通流元胞自动机((Cellular Automata，简称CA)是一时间和空间都离散的动力系统。散布在规则格网中的每一元胞取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新。
（1）元胞自动机定义
元胞自动机的严格定义为：
A、规整的元胞网格覆盖d维空间的一部分；
B、归属于网格的每个格位r的一组布尔变量。给出每个元胞在时间的局部状态；
C：演化规则按下列方式指定状态的时间演化过程：
，式中指定从属于元胞的给定邻居元胞。
从定义中可知，演化规则R对所有格位都是同一的，且同时应用于他们中
的每个元胞，由此得到同步动力学。同时，时间的状态只随时间t的状态
而变化，这就要求对状态进行长期记忆，并引入对时间等的状态的相依性。
（2）元胞的邻居
在元胞自动机中，每个元胞下一时刻的状态都取决于其本身的状态和元胞邻居的状态。在网格上，每个元胞的邻居的大小是一样的。最简单的情况即一维网格，邻居由元胞本身加上它的临近元胞构成；在二维网格中，有几种可能性：除元胞本身外，东、南、西、北四个近邻元胞，或是上面的五个元胞和东北、东南、西南、西北四个对角线元胞(Mare邻居)。推算可知，当元胞空间维数增加时，一个元胞的直接邻居数目是成指数增长，描述了两种邻居的例子：

两种常见的二维元胞自动机邻居

（3）边界条件
可以想见，一个无限网格的系统的演化是不可能进行模拟处理的。也就是
说，元胞自动机系统必须是有限的，有边界的。目前常用的边界是由扩展邻居
的方法获得的，有四种情况如下：
b
a
周期边界

b
1
a
固定边界

a
a
绝热边界

b
a
映射边界
b

（4）规则
每个元宝在确定的时间有两种可能的状态，即或1（代表元胞），则时间的状态只决定于时间的三元组：。由此三元组合可以计算出元胞自动机规则由256种。
二、基于元胞自动机理论模型及其模拟研究
1、交通流元胞自动机模型概述
随着我国经济的飞速发展，私家车和城市汽车保有量迅猛增长，城市交通
拥堵现象日益严重，从而引起了人们的极大关注。如何描述城市交通的规律，
充分利用交通资源，以科学理论指导交通系统的发展和改善，己迫在眉睫。在
交通工程领域，描述交通特性的方法主要有概率论方法、交通流体动力学、车
辆跟驰理论和元胞自动机模型等。交通流元胞自动机模型是20世纪90年代发
展起来的交通流新动力学方法。
交通流元胞自动机由元胞、元胞的状态空间、邻居及局部规则四部分组成。
（1）元胞和元胞空间
元胞又可称为基元，是元胞自动机的最基本的组成部分，分布在离散的一
维或二维空间的格点上；
（2）状态
取值于一个有限的离散集，交通流元胞自动机的元胞只能有一个状态变量；
（3）邻居
在给出规则之前，必须定义一定的邻居规则，明确哪些元胞属于该元胞的
邻居；
（4）规则
根据元胞当前状态以及邻居状况确定下一时刻该元胞状态的函数，也称为
状态转移函数。交通流元胞自动机是由分布在规则网格中的每一个元胞取有限
的离散状态，遵循确定的规则做出同步更新，即大量元胞通过简单的局部相互
作用而构成的动力系统。
不同于一般的动力学模型，交通流元胞自动机不是由严格的物理方程确定，
而是通过构造一系列模型的规则来实现的，这恰恰增强了其表达复杂关系的能
力，为其在复杂的交通流领域的应用奠定了基础。
1.1 一维交通流元胞自动机模型
最早的一维交通流元胞自动机模型采用一维格点链上的粒子来模拟公路上的车辆。所有的车辆的行进方向都相同。在每一个时步，若某车前方是空的，则它可以向前行进一步。否则它就在原地不动，即使前方的车辆在此时步中离开。整个系统采用周期边界条件以保持车辆数守恒。图3-3为两次时步演化图。

一维交通流元胞自动机模型忽略了十字路口，交通灯和交叉口方向上车辆的影响，强调了同一路段上同方向车辆的相互作用。这种模型适合与模拟高速公路或城市交通环线上的交通流。常用的一维元胞自动机模型为NS和FI模型及其以两种模型为基础的改进模型。
1.11 NS模型及其改进模型
NS模型是典型的一维单车道交通流CA模型，适用于模拟高速公路交通流。与早期的交通流CA模型相比，该模型的模拟结果与实际观测结果较为吻合，因此得到了普遍应用。
（1）模型简介
该模型用一个一维点阵代表一条单车道，即将所研究的单车道分成n个长度为L的小路段(元胞)，点阵中每个位置代表一个元胞，每个位置或空闲或容纳一辆车。定义元胞长度L为道路阻塞时的平均车头间距；车辆速度的取值范围为元胞长度/s；时间步长可以认为是驾驶员的反应时间，通常取1s；每个位置的状态有7种，分别为：空闲、该位置车速为0、1、2、3、4和5。在NS模型中，所有车辆的状态将同时按照以下4条规则变化：
（1） 加速规则：如果则。
（2） 减速规则：，则。
（3） 随机规则：在概率下，。
（4） 车辆速度：。
这里的是本车与前车之间的空格数，表示车辆的位置。
因为s，所以。
在该模型中，加速规则反映了驾驶员将逐步使车辆加速到最大速度；减速规则反映了驾驶员为避免与前车发上碰撞而采取的减速措施；随机规则反映了驾驶员运动行为的不确定性；在NS模型中，随机减速概率是一个重要参数，当时，NS模型就是一个确定型CA模型。
模型优缺点：从模拟结果看，NS模型很好地反映了车流运动的宏观特性，主要表现在：(1)呈现起动-停车波现象，即在空间-时间图上，可以清晰地看到车流逐渐由低密度下畅行到高密度下拥挤的运动过程，形象地表现出车流运动象波一样在车队中传播的景象；(2)模拟得到了连续的流量-密度曲线，与实测结果极为相似，显示出交通流的两种状态——拥挤状态和非拥挤状态。
NS模型是最简单的一维交通流CA模型，仅4条规则就可以表现出交通流的最基本特性。在该模型的基础上，人们又做了多种改进和修正，以期更准确地反映交通流特性。
由NS模型模拟得到的流量-密度曲线是连续的，然而近几年来的实验和研究表明，流量-密度曲线在接近通行能力的地方有明显的间断，流量会突然下降，这说明流量-密度曲线具有不连续性。为此一些学者对NS模型做了改进，并使用统计物理学中的亚稳态(metastability)和滞后(hysteresis)等概念来解释这种不连续现象。研究表明， NS模型中的随机概率对交通流状态的变化有较大影响，因此在一些改进模型中加入了车辆的随机加速概率，而且随机加速、减速概率将根据车速的不同而变化，即，这一类模型称为随机概率基于车速的改进模型。在这些模型的模拟结果曲线中，都呈现亚稳态和滞后现象。这一类模型主要有以下几种。
（2）恒速控制模型
在恒速控制模型中，车辆在最大速度和其他速度下具有不同的随机减速概率。该模型的规则：（1）加速规则：如果则。
（2）减速规则：，则。
（3），，其中
（4）车辆速度：。
这就意味着当，只要前方有空位，车辆就将以运动，而不会像NS模型那样要在随机减速概率影响下以的速度运动，因此这种模型被称为NS模型的恒速控制模型。
（3）慢起动模型
在通常情况下，车辆从静止到运动需要一个反应过程，这个过程称为慢起动(Slow-to-start)。为了描述慢起动，可以用一个概率来表示驾驶员的反应程度和所受到的干扰，它一般应大于车辆在运动中所受的随机影响。因此在慢起动模型中，仅对速度为零的车辆采用慢起动规则，而对其他速度的车辆均以相同的概率减速。以下是3种不同的慢起动模型。Takaysu和Takaysu最早在元胞自动机模型中引入慢起动规则，这种模型称为TT模型。该模型规定，速度为零且前方只有一个空格的车辆应以一定的概率慢起动，即在加速规则中如果，那么车速应在概率下加1，其余规则与NS模型相同。因此，由TT模型模拟得出的最大流量将低于NS模型的模拟结果。
Benjamin、Johnson和Hui提出的BJH模型与TT模型相近，都是在车辆的加速规则中对速度为零的车辆引入慢起动概率，不同的是：在BJH模型中，只有在前一时刻根据减速规则已确定速度为零(即在随机规则之前已确定速度为零)的车辆，在本时刻才需要以一定的概率慢起动。
Barlovic等人明确提出随机减速概率是速度的函数，即，而且应在执行规则(1)之前首先确定这个参数的值，这种模型称为VDR模型。VDR模型的规则：
（1）加速规则：如果则。
（2）减速规则：，则。
（3），，其中。
（4）车辆速度：。
模型优缺点：这种慢启动模型考虑了实际情况下的真实情况，模型模拟结果将更接近实际情况，并且这种模型说明，在前一时刻中速度为零的车辆在本时刻应当有更大的随机减速概率。
（4）考虑前车车速的改进模型
在NS模型中，车辆的速度只与前后两车的间距有关，而与前车车速无关。当车速小于两车间距时，车辆便立刻减速。在实际行驶中，尽管驾驶员最关注的是本车与前车的距离，但他也会根据前车速度来确定自己车辆的速度和加速度。
Werth、Froese和Wolf建立了考虑前车车速的改进模型(WFW模型)，该模型包含以下5条规则。
（1）加速规则： 。
（2）减速规则：。
（3）随机规则：在概率下，。
（4）减速规则：。
（5）车辆运动：。
该模型中有两个减速规则，根据规则(4)确定的速度可以避免车辆发生碰撞，但是必须已知下一时刻前车的速度，因此，在该模型中所有车辆的速度并不是同时更新，而是顺序更新。
模型优缺点： 在NS模型基础上，考虑了驾驶员可以根据前车速度来确定自己车辆的速度和加速度。
（5）基于时间的CA模型
在实际交通中，驾驶员可以看到前方不止一辆车，驾驶员经过综合判断后，可以估计出车辆间的车头时距，并及时对前车的变化作出反应。为此，Ning·W对NS模型提出一项改进措施：引入一个新的参数 (平均车头时距)作为速度变化的临界值，并将描述驾驶行为不确定性的随机概率分为加速概率和减速概率两个参数，得到了比NS模型更为理想的模拟结果。其规则如下：
（1）如果且，则在概率下。
（2）如果，则。
（3）如果且，在在概率下。
（4）。
使用范围：该模型适用于在单车道车流量较密集的交通流模拟。
模型优缺点：对驾驶员的直观距离判断能力要求较高，随机概率和在不同的情况下具有高度的不确定性，模型的实际研究需要大量的数据调查为依据，但是模型结果要较NS模型更为理想。
综上，NS模型给出了基于人类驾驶行为或外部条件改变而引起的正常速度的变化，它描述了驾驶者在加减速度时的反应过度，提供了产生自发性堵塞的关键因素。
1.12 FI模型
FI模型是由日本学者Fukui和Ishibashi提出的。在FI模型中，演化规则：
（1）如果车辆与前车的间距大于车辆的最大速度，车辆将以最大速度前进；
即时，；
（2）如果车辆与前车的间距小于车辆的最大速度，则车辆的前进速度等于。
即时，；
（3）根据随机减速规则，表示第辆车的行驶速度，当车辆能够以最大速度前进时，它将以概率从减速为。即时， 。
其中 ；
模型优缺点：FI模型与NS模型的区别在于加速方式和随机减速方式不同。在NS模型中，如果车速小于最大速度，车辆在下一时刻的速度最多只能达到；而在FI模型中，只要车速小于最大速度，则车辆就可能加速到 (考虑随机规则)；在NS模型中，所有车辆都可能随机减速，而在FI模型中，只有以最大速度行驶的车辆才能减速。

2、交通流元胞自动机模拟
2.1元胞参数定义
2.11元胞长度
在CA模型中，首先定义一个一维点阵来代表一条单车道，即将所研究的单车道分成n个长度为L的小路段(元胞)，该点阵中每个位置或空闲或容纳一辆车。其中，定义元胞长度L是阻塞时的平均车头间距。。更新的时间步长一般可以认为是驾驶员的反应时间，一般取。这样在CA模型中，位移、速度、时间都取整数，具有离散性。每个位置的状态有7种，分别是：位置空闲和该位置处车辆速度分别为0，1，2，3，4，5元胞长度/秒。
这样定义的元胞长度的不足是：由于元胞长度取值偏大，导致车辆运动的加速度过大，这样，车辆在加速时总是以最大加速度加速，而在减速时，又以最大减速度减速。通过缩小元胞长度能够获得较小的加速度值。考虑到城市道路上车辆阻塞密度一般为120125，将元胞长度取为平均车头间距的1/4(若=125，则平均车头间距为8)，对城市道路来说一个元胞长度即为2。于是路段上每4个连续的元胞容纳一辆车，在某一时刻，这4个连续的元胞具有相同的状态，即所容纳车辆的速度相同。
2.12最大速度
本模型中的最大速度并不是指车辆所能达到的最大设计车速。在城市道路上，出于安全考虑，都规定了车辆的最大行驶速度，我国城市道路的限速是 ()。为了减少过程中的问题，本文仅取最大速度为。由于每个元胞长度为，因此在元胞自动机模型中最大速度将为2.5元胞长度/秒，车速范围为。
2.13最大加速度和最大减速度
根据车辆动力学原理，车辆在加速和制动过程中，能够达到的最大加、减速度主要由道路的路面附着系数(静摩擦系数)来决定。在平直、干燥的柏油路面上(路面附着系数约为)，车辆能够达到的最大加、减速度为。根据前面对元胞长度的取值，相当于4元胞长度/秒2，加速度范围为。
2.14更新时间间隔
更新时间间隔取为。
2.15边界条件
CA模型采用的边界条件是封闭的道路系统，换句话说道路系统是一个闭环，即一辆车从路段出口离开，马上从入口进入另一路段。这样可简单地将所研究路段上的车辆数控制在指定的数量上，来研究某一密度下的交通状况。该模型可以保证所研究路段的车流模拟稳定性，对单车型交通流的研究效果较好，但对于车辆组成复杂的道路系统，它会造成真实道路系统中车辆类型比例与期望值的较大差异。
2.2 元胞自动机规则
在规则中使用的变量符号定义如下。
把一列正在行驶的车辆从小到大排序，第n辆车记为本车，第n-1辆为前车。再假设在1s内车辆的速度是匀速的，而且时间t的取值为整数秒。记
：时刻本车的位置(元胞长度)；
：时刻本车的速度(元胞长度/秒)；
：时刻本车的加速度(元胞长度/秒2)；
：时刻前车的位置(元胞长度)；
：时刻前车的速度(元胞长度/秒)；
：时刻，本车车头与前车车尾之间的间隔(元胞长度)，即
。
为方便起见，本车在时段内行驶的距离记为秒=，速度变化记为秒=。
道路上所有车辆的状态同时按下述的元胞自动机规则变化。
(1)加速规则
在时刻，若，则车辆加速行驶。其中：
如果，则；
如果，则；
如果，则。
(2)减速规则
在时刻，若，则车辆减速行驶。其中：
如果，则；
如果，则。
(3)修正规则
在时刻，已知本车的加速度是，设前车的加速度是最大减速度(-4)，那么在时刻：
如果，则本车的加速度依然取；

如果，则本车的加速度取 (但不小于-4)，再重新计算和，一直到为止。此时得到的即为修正后本车在时刻的实际加速度值。
(4)随机规则
在概率下，经过修正规则修正的车辆继续减速，其减速增量为，且使修正后的加速度加上不小于最大减速度。
(5)前进规则
；

车辆按元胞自动机规则运动的程序框图
按照元胞自动机规则确定的路段上所有车辆运动状态的程序框图如图所示。
2.3数值模拟
用长度L=500的一维离散的格点链来表示一条单向车道，根据上述规则进行数值模拟，可得到描述交通过程的基本图，每个元胞的实际长度为2m，则数值模拟的实际道路长度为1000m，车辆位置随机分布在500个一维离散的格点上，边界条件采用周期性边界条件，最大速度=5m/sN为分布在格点链上的车辆总数，则：
车流密度：；
平均速度：；
车流量：；
数值模拟时，在模拟运行的开始一段时间，车辆的运行状况与车辆的初始分布有很大的关系，为了消除初始分布和系统暂态对数值模拟的影响，将系统运行1000步后显示时间车辆图形。时间截取步数为N（车辆数总数）。下面是在不同车流密度下的位置

时空斑图：

图1 不同车流密度位置时空斑图对比图

在现实情形中，城市长达500米的道路上基本都有红绿灯设置，那么下面模拟在道路上设置红绿灯情况下的车流等的位置关系。在此约定，红绿灯的位置设置在道路中间位置，即stop=N/2处，红灯持续时间为20秒。规则不变，通过matlab模拟得到如下的模拟结果：

图2 红绿灯下不同车流密度对比图

图3 不同情形下车流密度对比图

图4 不同情形下车流量对比图

2.4 结果分析
对比图1中没有添加红绿灯车辆位置—时空演化图可以发现，时车辆位置分布比较均匀，车流速度较大，车辆位置与时间具有较好的线性关系，交通流处于稀薄状态；而随着密度的增大到时，交通流逐渐由稀薄流向稠密流转变，车头间距越来越小，车辆速度迅速减小，道路通行能力随之下降，这时车辆已经不太可能自由运动，有些区域出现了车辆停滞的堵塞相，呈现了高速公路实际交通流中观察到的启动-停车波动现象，车辆位置与时间关系为非线性关系，车流也进入了时停时走的状态，从而导致了交通流量的下降，与实际情况基本相符。
对比图2中添加红绿灯车辆位置-时空演化图发现，当密度较小时（），红绿灯左右侧车辆分布均匀，有较好的线性关系，并且较之图1可以发现，当经过红绿灯后车流分布更加趋于线性关系，车流无任何交通阻塞，极大的改善了交通拥挤现象。同时，当车流密度逐渐增大后，尽管有红灯20s对车速的限制，从时空图观察发现，车辆位置并没有因此而明显改善，并且较之图1中时空斑图可以发现，当车流密度较大时，即使在中间位置设置红绿灯，对交通改善效果也不是十分明显。
对比图3中车流密度与车速的演示图可以发现，在同等条件下，车流密度逐渐增大，车辆速度就逐渐减小，但并不是简单的线性变化，从图中可以发现明显的拐点，并且在添加红绿灯的情形下，这个拐点会提早出现（本模型中无红绿灯时在时出现，有红绿灯时在时出现），这也就解释了安装红绿灯后会迫使汽车提前减速，为减少交通安全事故提供的保障。
对比图4车流量--密度关系图可以发现，在正常交通行为前提下，车流