想问一下 张二发博主的
idm跟驰模型
如何获取 速度 位移 加速度这三个参数
我想获取大量的应该修改哪几个参数
（纯new guy 不太懂）
一、在获取速度、位移和加速度这三个参数时，需要考虑以下几点：
1、速度可以通过测量车辆在一定时间内所移动的距离来计算，或者通过汽车的转速表或 GPS 获取。
2、位移可以通过测量车辆在道路上的位置来计算。这可以使用 GPS 或者车辆内部的测距仪器来测量。
3、加速度可以通过测量车辆在一定时间内所变化的速度来计算。
二、IDM 模型中有几个主要的参数，这些参数会影响车辆的行为：
期望速度（v0）：车辆在道路条件良好时的期望速度。
车辆容量（Q）：车辆在道路条件良好时的最大流量。
加速度常数（a）：车辆加速或减速时的加速度。
车辆安全距离（s0）：车辆在其他车辆前方保持的最小安全距离。
减速度常数（b）：车辆在其他车辆前方减速时的减速度。
修改这些参数可以模拟不同的车辆行为，可以通过测量车辆的速度、位移和加速度来收集数据。
仅供参考，望采纳。
望采纳！！点击该回答右侧的“采纳”按钮即可采纳！！
张二发博主的DM(智能驾驶员模型)是一种车辆动态模型，用于模拟车辆在道路上的行
为。DM模型基于车辆驾驶员的行为，描述了车辆的加速、减速和转弯等动态过程。
要获取车辆的速度、位移和加速度等参数，可以使用以下方法：
1.在DM模型中，速度、位移和加速度等参数都是可以直接获取的。在车辆运动过程中，可
以通过测量或估算来获取这些参数。
2.也可以使用传感器、GPS等设备来获取车辆的速度、位移和加速度等参数。这些设备能够
实时测量车辆的运动状态，并将测量结果通过数字信号输出。
3.要获取大量的速度、位移和加速度等参数，可以使用车辆数据记录仪或其他数据采集系
统。这些系统可以实时测量车辆的运动状态，并将测量结果记录到存储介质中。
提供参考实例【单车道车辆减速跟驰仿真】，链接：https://blog.csdn.net/S200142/article/details/124872940
IDM模型的python实现
借鉴下
# -*- coding: utf-8 -*-
"""
Created on Mon Jun 7 17:50:51 2021
@author: erfa_zhang
"""
# -*- coding: UTF-8 -*-
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['STZhongsong']
mpl.rcParams['axes.unicode_minus'] = False
import matplotlib.pyplot as plt
import random
import numpy as np
import xlwt
class Car:
def _init_(self,length,width):
self.length = length #车长
self.width = width #车宽
length = 3
width = 1.6
# 静态参数
S = 2 #静态车间距
T = 1.6 #车头时距
aMax = 0.73 #最大期望加速度
bMax = 1.67 #最大期望减速度
V0 = 33.3 #m/s
par = 0.6
# 更新车间距
def updateD(self):
if self.X > self.front.X:
self.D = self.X - self.front.X + self.front.length - Road.length
else:
self.D = self.X - self.front.X + self.front.length
# 更新速度差
def updatedV(self):
self.dV = self.V - self.front.V
# 更新期望跟驰距离
def updateD_des(self):
self.updatedV()
self.D_des = self.S + self.V*self.T +self.V*self.dV/(2*(self.aMax*self.bMax)**0.5)
# 更新加速度
def updateA(self):
self.updateD()
self.updateD_des()
self.A = self.par*(1-(self.V/self.V0)**4-(self.D_des/self.D)**2)
# 更新速度
def updateV(self):
self.updateA()
self.V = max(self.V + self.A,0)
# 更新位置
def updateX(self):
self.updateV()
self.X = (self.X + self.V)%Road.length
class Road:
def _init_(self,motorPercent,length,width):
self.motorPercent = motorPercent #道路占有率
self.length = length #车道长度
self.width = width #车道宽度
motorPercent = 0.9
length = 1000
width = 3.5
# 车辆加载
def initCars(self):
# 计算车辆数量
self.numOfCar = (int)(self.length/3 * self.motorPercent)
# 生成车辆
self.ls = []
gas = (self.length / self.numOfCar)
for i in range(self.numOfCar):
c = Car()
# 等间距放置车辆
c.X = i*gas
c.Y = 1
c.V = 0
c.index = i
self.ls.append(c)
# 新增车辆为上一辆车的前车
if i>0:
c.back = self.ls[self.ls.index(c)-1]
c.back.front = c
# 设置车辆颜色
c.color = [random.random(),random.random(),random.random()]
#头车的前车是尾车
self.ls[len(self.ls)-1].front = self.ls[0]
self.ls[0].back = self.ls[len(self.ls)-1]
# 画图函数
def draw(self,ax):
# 绘制道路
rect = plt.Rectangle([0,0],self.length,self.width, fill=False,facecolor = [0,0,1])
ax.add_patch(rect)
plt.xlim(0,300)
plt.ylim(-50,50)
# 绘制车辆
for i in range(self.numOfCar):
c = self.ls[i]
rect = plt.Rectangle([c.X,c.Y],c.length,c.width,facecolor=c.color)
ax.add_patch(rect)
# 运行效果展示函数
def show(self,timeMax):
# 初始化道路
self.initCars()
# 创建画布
fig = plt.figure()
ax = fig.add_subplot(111)
# 开始仿真
for time in range(timeMax):
# 车辆位置更新
for c in self.ls:
c.updateX()
# 汇出更新后车辆位置
plt.cla()
self.draw(ax)
plt.pause(0.1)
# 删除画布
plt.close(fig)
# 获取输入道路的平均车速
def get_vMean(r,timeMax):
# 初始化道路
r.initCars()
# 开始仿真
ls = []
vSum = 0
for time in range(timeMax):
# 车辆位置更新
for c in r.ls:
c.updateX()
vSum = vSum + c.V
# 计算当前时间步平均车速
ls.append(vSum / r.numOfCar)
vSum = 0
return sum(ls)/len(ls)
def get_K_V():
V_ls = np.zeros((1,20))
K_ls = np.zeros((1,20))
timeMax = 1000
j = 0
for i in np.arange(0.05,1,0.05):
r = Road()
r.motorPercent = i
V_ls[0,j] = get_vMean(r, timeMax)
K_ls[0,j] = r.numOfCar/r.length*1000
j = j + 1
return (K_ls,V_ls)
def plot_K_V(K_V):
# 输入元组第0个元素为密度，第1个元素为平均速度
ls_K = []
ls_V = []
for i in range(19):
ls_K.append(K_V[0][0,i])
ls_V.append(K_V[1][0,i])
plt.plot(ls_K,ls_V)
plt.title('密度-速度图',fontsize = 35)
plt.xlabel('密度',fontsize = 30)
plt.ylabel('速度',fontsize = 30)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
def plot_K_Q(K_V):
# 输入元组第0个元素为密度，第1个元素为平均速度
ls_K = []
ls_Q = []
for i in range(19):
ls_K.append(K_V[0][0,i])
ls_Q.append(K_V[1][0,i]*K_V[0][0,i])
plt.plot(ls_K,ls_Q)
plt.title('密度-流量图',fontsize = 35)
plt.xlabel('密度',fontsize = 30)
plt.ylabel('流量',fontsize = 30)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
def plot_V_Q(K_V):
# 输入元组第0个元素为密度，第1个元素为平均速度
ls_V = []
ls_Q = []
for i in range(19):
ls_V.append(K_V[1][0,i])
ls_Q.append(K_V[1][0,i]*K_V[0][0,i])
plt.plot(ls_Q,ls_V)
plt.title('速度-流量图',fontsize = 35)
plt.xlabel('流量',fontsize = 30)
plt.ylabel('速度',fontsize = 30)
plt.xticks(fontsize=20)
plt.yticks(fontsize=20)
def xlsWrite(K_V):
workbook = xlwt.Workbook(encoding= 'ascii')
worksheet = workbook.add_sheet("三参数")
worksheet.write(0,0, "密度")
worksheet.write(0,1, "速度")
worksheet.write(0,2, "流量")
for i in range(20):
worksheet.write(i+1,0,K_V[0][0,i])
worksheet.write(i+1,1,K_V[1][0,i])
worksheet.write(i+1,2,K_V[0][0,i]*K_V[1][0,i])
fname = "C:\OneDrive\文档\文本仓库\课程ppt\学习\交通仿真\IDM_python实现\三参数数据.xls"
workbook.save(fname)
#################### main
# 创建道路
r = Road()
# 展示动画
################### 动画展示
r.motorPercent = 0.3
timeMax = 100
r.show(timeMax)
################### 三参数图
# 获取占有率-速度
#K_V = get_K_V()
# 汇出密度-速度图
#plot_K_V(K_V)
# 汇出密度-流量图
#plot_K_Q(K_V)
# 汇出速度-流量图
################### 导出数据
#plot_V_Q(K_V)
# 写入excel文件
#xlsWrite(K_V)
################### V0变化
# for i in range(1,7):
# Car.V0 = 5*i
# K_V = get_K_V()
# plot_K_Q(K_V)
# #plot_V_Q(K_V)
# #plot_K_V(K_V)
# plt.legend(labels=['5','10','15','20','25','30'],fontsize = 20)
################### S变化
# for i in range(1,6):
# Car.S = i
# K_V = get_K_V()
# #plot_K_Q(K_V)
# #plot_V_Q(K_V)
# plot_K_V(K_V)
# plt.legend(labels=['1','2','3','4','5'],fontsize = 20)
################### par变化
# for i in range(1,6):
# Car.par = i*0.2
# K_V = get_K_V()
# plot_K_Q(K_V)
# #plot_V_Q(K_V)
# #plot_K_V(K_V)
# plt.legend(labels=['0.2','0.4','0.6','0.8','1'],fontsize = 20)