自动驾驶与手动驾驶混合流仿真 matlab连续型元胞自动机交通流源代码 随机慢化，密度流量图，时空图
自动驾驶与手动驾驶混合流仿真 matlab连续型元胞自动机交通流源代码 随机慢化，密度流量图，时空图，密度速度图 车头时距图等
—— 面向自动驾驶混合流研究的“白盒”级手册
0. 写作目的
本文不是“使用说明书”，而是“功能解剖书”。作者以资深软件开发人员视角，逐文件、逐函数、逐行拆解平台到底“能干什么”“怎么干”“为何这么干”。文中对核心算法只做“语义级”描述，不暴露可直接复制的关键公式或长段代码，既满足同行评审对透明度的要求，也保护原作者的知识产权。
1. 平台定位与边界
1.1 业务场景
- 封闭单车道，无出入口、无坡度、无信号灯
- 车辆仅做纵向跟驰决策，横向变道仅预留接口
- 支持“人工驾驶-自动驾驶”任意比例混合
- 输出宏观基本图（流量-密度-速度）与微观间距序列
1.2 能力边界
| 维度 | 上限 | 说明 |
|---|---|---|
| 车公里 | 10⁷ veh·step | MATLAB 单核，8 GB 内存 |
| 时间步长 | 0.1 s | 与自动驾驶反应时间同量级 |
| 密度区间 | 5–140 veh/km | 低于 5 采样不足，高于 140 出现零速阻塞 |
| 统计误差 | <2% | 100 次随机种子，1000 步热平衡 |
2. 文件级功能地图
源码树被作者拆成 4 组目录，每组都是一次实验假设的完整闭环。
- 基础单车道（…\元胞自动机交通流模型\单车道）
– 验证 Gipps 模型在纯人工场景下的相变点是否与经典文献一致 - 手动-自动混合（…\Gipps连续元胞单车道（手动-自动））
– 把“反应时间”和“慢化概率”做成二维查找表，扫描 0–100% 渗透比例 - 提高率专项（…\手动-自动-提高率）
– 在混合基础上追加通行能力与平均速度提升率曲线自动生成 - 细分微观视角（…\车头间距、随机慢化时空图、拟合—全自动）
– 做车头间距时序、时空斑图、不同慢化概率灵敏度三件小事
本文以“提高率专项”为主轴，其他目录仅在差异点出现。
3. 初始化模块（startstate.m）
3.1 入口参数
numcar– 车辆数lanelength– 环路长度carlength– 车长vmax– 最大速度
3.2 功能级流程
- 等分空间– 把环路切成
numcar段，每段长度zd - 随机撒点– 在第 i 段
[zd(i-1), zdi]内均匀采样，确保车间隙≥carlength - 速度裁剪– 每辆车初速
rand*vmax，再用前车间隙做硬上限，零时刻即无碰撞
3.3 设计亮点
- 用
rand而非randn，避免负速度出现 - 尾车的前车是头车，环形索引在初始化阶段就通过模运算解决，后续演化模块无需再关心“谁在前”
4. 演化内核（closedriverule.m）
4.1 函数签名
[newlocation, nv] = closedriverule(selfcar, autocar, location, v, lanelength, carlength, vmax)selfcar– 人工车数量autocar– 自动驾驶车数量- 其余皆为字面含义
4.2 主循环顺序 – **尾到头逆向扫描**
为什么必须逆向？
保证“前面那辆车”已经用过**最新位置**，避免**同时间步**出现**前-后决策竞争**。
4.3 决策流水线
- 前车定位– 尾车模运算回到头车，其余直接
i+1 - 原始间距– 计算
fd（front distance），不含车身 - 安全间距– 调用
Gap()，得到最坏制动场景下需要的净间距 - 安全速度– 调用
Gipps()，得到当前间距允许的最大速度 - 四取最小–
min(v+a, vmax, vsafe, fd)，物理天花板 - 随机慢化– 只对人工车以概率
p减速b - 位置更新–
newlocation = location + nv - 环形边界– 若有车越过终点，整队列循环左移，索引 1 永远是最头车
4.4 人工 vs 自动差异点
| 决策环节 | 人工车 | 自动驾驶 |
|---|---|---|
| 反应时间 | 1.5 s | 0.1 s |
| 慢化概率 | 0.15 | 0–0.2 可调 |
| 慢化幅度 | 2.5 m/s² | 同左 |
实现手法：
- 在同一循环里用双分支而非双函数，减少一次整车数组遍历
- 自动驾驶分支保留随机慢化接口，方便后续做传感器误报灵敏度实验
5. 安全距离模型（Gap.m & Gipps.m）
5.1 Gap 函数 – **间距侧**
输入：自车速度、反应时间、最大减速度、前车速度
输出：最坏制动所需净间距
5.2 Gipps 函数 – **速度侧**
输入：自车速度、反应时间、前车位置、自车位置、车长、前车速度
输出：当前间距允许的自车最大安全速度
5.3 为何拆成两个函数？
- 单元测试友好– 可以单独对“间距”或“速度”做回归测试
- 可读性– 把“物理约束”与“驾驶策略”分离
- 扩展性– 后续若引入可变减速度或道路附着系数，只需改 Gap 内部系数表
6. 随机慢化（slowrand.m / aslowrand.m）
6.1 业务意义
把人类驾驶员的无意松油门、点刹车、分心抽象成概率事件。
6.2 接口级描述
nv = slowrand(v, p, b)- 生成均匀随机数
r - 若
r ≤ p，则v = max(v-b, 0) - 返回
nv
6.3 参数灵敏度
p=0– 流-密图呈高阶相变，无亚稳态p=0.15– 与经典 Nagel-Schreckenberg 模型一致，出现亚稳态p>0.25– 密度<30 veh/km 即出现零速阻塞，与实测不符
7. 指标采样与统计（closerun.m）
7.1 热平衡策略
- 预热期– 前 9000 步丢弃，让初始均匀分布退化到真实交通分布
- 采样期– 后 1000 步每车每秒记录
location、v - 批平均– 100 次随机种子，求均值+标准差
7.2 提升率曲线自动生成
- 以全人工为基准，记录
qbase、vbase - 逐点计算
Δq = (qi – qbase)/q_base*100% - 输出二维曲线：提升率 vs 自动驾驶比例
7.3 输出物
avgv– 平均速度矩阵 (密度×比例)avgk– 密度矩阵avgq– 流量矩阵imprateq– 通行能力提高率向量impratev– 平均速度提高率向量
8. 微观可视化卫星模块
8.1 车头间距时序（closerun_spacing.m）
- 提取编号 149-150 两车
- 绘制最后 500 步间距变化
- 用于验证自动驾驶是否能把震荡幅值压到±2 m以内
8.2 时空斑图（closerun_spaceTime.m）
- 每步记录所有
location plot(t, location(i,t), '.k')- 可肉眼观察拥堵波传播角度，角度越陡说明波速越高，对应自动驾驶抑制拥堵的直观证据
9. 扩展接口
| 接口名 | 目的 | 预留位置 |
|---|---|---|
lanechange() | 双车道变道 | 已提供函数签名，内部仅做最小间隙+概率判断 |
variable_b() | 雨天减速度下降 | 在 Gap/Gipps 里把b变成向量 |
sensor_error() | 摄像头误检 | 在aslowrand()里把p改成p+f(sensor_noise) |
10. 性能与精度 checklist
✅确定性回归测试– 固定随机种子，1000 步后location向量哈希值与基准文件一致
自动驾驶与手动驾驶混合流仿真 matlab连续型元胞自动机交通流源代码 随机慢化，密度流量图，时空图，密度速度图 车头时距图等
✅守恒律检查– 任意时刻sum(newlocation)与sum(location)之差 <eps*numcar
✅相变点复现– 纯人工场景，临界密度kc≈25 veh/km，与 Highway Capacity Manual 偏差 <3%
✅提升率单调性– 自动驾驶比例 0→100%，imprateq严格单调增，无回退
11. 常见坑与排查指南
| 症状 | 原因 | 排查命令 |
|---|---|---|
| 流量曲线锯齿>5% | 热平衡不足 | 把预热步数从 9000 提到 15000 |
| 零速阻塞提前 | p过大 | 把p从 0.2 降到 0.1 |
| 提升率>100% | 基准算错 | 检查q_base是否取在最大流量密度而非任意密度 |
12. 结语 – 如何吃透这套代码
- 先跑通提高率曲线– 确认环境与作者一致
- 再注释掉随机慢化– 观察纯确定论的相变点
- 接着改反应时间– 看
ta=0.05 s时流量能不能再涨 3% - 最后把
Gap/Gipps换成 IDM– 对比两条提升率曲线，写下一篇 SCI
代码只是交通工具，功能才是目的地。
愿你在这辆“环路跑车”上，跑出属于自己的**自动驾驶加速度**。