行人与自行车仿真
在微观交通流仿真软件中，行人和自行车的仿真是一个重要的组成部分。这些仿真可以帮助我们更好地理解城市交通中的非机动车和行人行为，从而优化交通设计和管理。本节将详细介绍如何在Paramics中进行行人和自行车的仿真，包括模型的建立、参数设置以及具体的仿真操作。
1. 行人仿真模型
行人仿真模型主要涉及行人生成、路径选择、行为模式和行人之间的互动。Paramics提供了多种行人模型，可以根据不同的仿真需求选择合适的模型。
1.1 行人生成
行人的生成可以通过创建行人源（Pedestrian Source）来实现。行人源可以设置在路网的特定位置，如人行道、交叉口等。以下是一个简单的示例，展示如何在Paramics中创建行人源：
<!-- 创建行人源 --><pedestrianSource><id>1</id><location><x>500</x><y>300</y></location><generationRate>1.0</generationRate><!-- 每秒生成1个行人 --><startTime>0</startTime><!-- 仿真开始时间 --><endTime>3600</endTime><!-- 仿真结束时间 --></pedestrianSource>在这个例子中，我们创建了一个ID为1的行人源，位于(500, 300)的坐标位置，每秒生成1个行人，仿真时间为0到3600秒。
1.2 路径选择
行人的路径选择可以通过定义行人路径（Pedestrian Path）来实现。行人路径可以是一系列节点的集合，行人将沿着这些节点移动。以下是一个示例，展示如何定义行人路径：
<!-- 定义行人路径 --><pedestrianPath><id>1</id><nodes><node><x>500</x><y>300</y></node><node><x>700</x><y>300</y></node><node><x>700</x><y>500</y></node></nodes></pedestrianPath>在这个例子中，我们定义了一条ID为1的行人路径，路径包含三个节点，行人的移动方向是从(500, 300)到(700, 300)，再到(700, 500)。
1.3 行为模式
行人行为模式包括行走速度、避让行为、等待行为等。Paramics允许用户通过参数设置来调整这些行为模式。以下是一个示例，展示如何设置行人的行为模式：
<!-- 设置行人行为模式 --><pedestrianBehavior><id>1</id><walkingSpeed>1.2</walkingSpeed><!-- 行走速度，单位：米/秒 --><avoidanceDistance>1.0</avoidanceDistance><!-- 避让距离，单位：米 --><waitingTime>5</waitingTime><!-- 等待时间，单位：秒 --></pedestrianBehavior>在这个例子中，我们设置了一种ID为1的行人行为模式，行走速度为1.2米/秒，避让距离为1.0米，等待时间为5秒。
1.4 行人之间的互动
行人之间的互动可以通过设置避让规则和排队行为来实现。Paramics提供了多种避让规则，例如基于距离的避让、基于方向的避让等。以下是一个示例，展示如何设置行人之间的避让规则：
<!-- 设置行人避让规则 --><pedestrianAvoidance><id>1</id><ruleType>distanceBased</ruleType><!-- 基于距离的避让规则 --><distanceThreshold>1.5</distanceThreshold><!-- 避让距离阈值，单位：米 --></pedestrianAvoidance>在这个例子中，我们设置了一种ID为1的行人避让规则，基于距离的避让规则，避让距离阈值为1.5米。
2. 自行车仿真模型
自行车仿真模型主要涉及自行车生成、路径选择、行为模式和自行车之间的互动。Paramics提供了多种自行车模型，可以根据不同的仿真需求选择合适的模型。
2.1 自行车生成
自行车的生成可以通过创建自行车源（Bicycle Source）来实现。自行车源可以设置在路网的特定位置，如自行车道、交叉口等。以下是一个简单的示例，展示如何在Paramics中创建自行车源：
<!-- 创建自行车源 --><bicycleSource><id>1</id><location><x>500</x><y>300</y></location><generationRate>0.5</generationRate><!-- 每秒生成0.5个自行车 --><startTime>0</startTime><!-- 仿真开始时间 --><endTime>3600</endTime><!-- 仿真结束时间 --></bicycleSource>在这个例子中，我们创建了一个ID为1的自行车源，位于(500, 300)的坐标位置，每秒生成0.5个自行车，仿真时间为0到3600秒。
2.2 路径选择
自行车的路径选择可以通过定义自行车路径（Bicycle Path）来实现。自行车路径可以是一系列节点的集合，自行车将沿着这些节点移动。以下是一个示例，展示如何定义自行车路径：
<!-- 定义自行车路径 --><bicyclePath><id>1</id><nodes><node><x>500</x><y>300</y></node><node><x>700</x><y>300</y></node><node><x>700</x><y>500</y></node></nodes></bicyclePath>在这个例子中，我们定义了一条ID为1的自行车路径，路径包含三个节点，自行车的移动方向是从(500, 300)到(700, 300)，再到(700, 500)。
2.3 行为模式
自行车行为模式包括骑行速度、避让行为、等待行为等。Paramics允许用户通过参数设置来调整这些行为模式。以下是一个示例，展示如何设置自行车的行为模式：
<!-- 设置自行车行为模式 --><bicycleBehavior><id>1</id><ridingSpeed>3.0</ridingSpeed><!-- 骑行速度，单位：米/秒 --><avoidanceDistance>2.0</avoidanceDistance><!-- 避让距离，单位：米 --><waitingTime>10</waitingTime><!-- 等待时间，单位：秒 --></bicycleBehavior>在这个例子中，我们设置了一种ID为1的自行车行为模式，骑行速度为3.0米/秒，避让距离为2.0米，等待时间为10秒。
2.4 自行车之间的互动
自行车之间的互动可以通过设置避让规则和排队行为来实现。Paramics提供了多种避让规则，例如基于距离的避让、基于方向的避让等。以下是一个示例，展示如何设置自行车之间的避让规则：
<!-- 设置自行车避让规则 --><bicycleAvoidance><id>1</id><ruleType>distanceBased</ruleType><!-- 基于距离的避让规则 --><distanceThreshold>2.5</distanceThreshold><!-- 避让距离阈值，单位：米 --></bicycleAvoidance>在这个例子中，我们设置了一种ID为1的自行车避让规则，基于距离的避让规则，避让距离阈值为2.5米。
3. 行人与自行车的交互
在仿真中，行人和自行车之间的交互也是一个重要的方面。Paramics允许用户通过设置避让规则、冲突检测和优先级来模拟这些交互。以下是一个示例，展示如何设置行人与自行车的交互规则：
<!-- 设置行人与自行车的交互规则 --><interactionRule><id>1</id><interactionType>pedestrianBicycle</interactionType><!-- 行人与自行车的交互类型 --><priority>pedestrian</priority><!-- 优先级：行人优先 --><avoidanceDistance>2.0</avoidanceDistance><!-- 避让距离，单位：米 --></interactionRule>在这个例子中，我们设置了一种ID为1的行人与自行车的交互规则，行人优先，避让距离为2.0米。
4. 行人与自行车仿真案例
为了更好地理解行人与自行车的仿真操作，我们通过一个具体的案例来展示如何在Paramics中进行仿真。假设我们要在一个城市交叉口仿真行人和自行车的交通行为。
4.1 场景设定
首先，我们需要定义路网和行人、自行车的源位置。假设交叉口位于(500, 300)和(700, 500)之间，我们可以在这些位置设置行人和自行车的源位置。
<!-- 定义路网 --><roadNetwork><road><id>1</id><startNode><x>500</x><y>300</y></startNode><endNode><x>700</x><y>500</y></endNode></road></roadNetwork><!-- 创建行人源 --><pedestrianSource><id>1</id><location><x>500</x><y>300</y></location><generationRate>1.0</generationRate><!-- 每秒生成1个行人 --><startTime>0</startTime><!-- 仿真开始时间 --><endTime>3600</endTime><!-- 仿真结束时间 --></pedestrianSource><!-- 创建自行车源 --><bicycleSource><id>1</id><location><x>700</x><y>500</y></location><generationRate>0.5</generationRate><!-- 每秒生成0.5个自行车 --><startTime>0</startTime><!-- 仿真开始时间 --><endTime>3600</endTime><!-- 仿真结束时间 --></bicycleSource>4.2 路径设置
接下来，我们需要定义行人和自行车的路径。假设行人的路径是从(500, 300)到(700, 300)，再到(700, 500)，自行车的路径是从(700, 500)到(700, 300)，再到(500, 300)。
<!-- 定义行人路径 --><pedestrianPath><id>1</id><nodes><node><x>500</x><y>300</y></node><node><x>700</x><y>300</y></node><node><x>700</x><y>500</y></node></nodes></pedestrianPath><!-- 定义自行车路径 --><bicyclePath><id>1</id><nodes><node><x>700</x><y>500</y></node><node><x>700</x><y>300</y></node><node><x>500</x><y>300</y></node></nodes></bicyclePath>4.3 行为模式设置
然后，我们需要设置行人和自行车的行为模式。假设行人的行走速度为1.2米/秒，避让距离为1.0米，等待时间为5秒；自行车的骑行速度为3.0米/秒，避让距离为2.0米，等待时间为10秒。
<!-- 设置行人行为模式 --><pedestrianBehavior><id>1</id><walkingSpeed>1.2</walkingSpeed><!-- 行走速度，单位：米/秒 --><avoidanceDistance>1.0</avoidanceDistance><!-- 避让距离，单位：米 --><waitingTime>5</waitingTime><!-- 等待时间，单位：秒 --></pedestrianBehavior><!-- 设置自行车行为模式 --><bicycleBehavior><id>1</id><ridingSpeed>3.0</ridingSpeed><!-- 骑行速度，单位：米/秒 --><avoidanceDistance>2.0</avoidanceDistance><!-- 避让距离，单位：米 --><waitingTime>10</waitingTime><!-- 等待时间，单位：秒 --></bicycleBehavior>4.4 交互规则设置
最后，我们需要设置行人与自行车的交互规则。假设行人优先，避让距离为2.0米。
<!-- 设置行人与自行车的交互规则 --><interactionRule><id>1</id><interactionType>pedestrianBicycle</interactionType><!-- 行人与自行车的交互类型 --><priority>pedestrian</priority><!-- 优先级：行人优先 --><avoidanceDistance>2.0</avoidanceDistance><!-- 避让距离，单位：米 --></interactionRule>4.5 仿真运行
在设置完所有的参数后，我们可以在Paramics中运行仿真。以下是一个简单的Python脚本示例，展示如何使用Paramics API进行仿真运行：
# 导入Paramics APIimportparamics# 初始化仿真环境paramics.init_simulation()# 加载路网文件paramics.load_network('road_network.xml')# 加载行人源文件paramics.load_pedestrian_source('pedestrian_source.xml')# 加载自行车源文件paramics.load_bicycle_source('bicycle_source.xml')# 加载行人路径文件paramics.load_pedestrian_path('pedestrian_path.xml')# 加载自行车路径文件paramics.load_bicycle_path('bicycle_path.xml')# 加载行人行为模式文件paramics.load_pedestrian_behavior('pedestrian_behavior.xml')# 加载自行车行为模式文件paramics.load_bicycle_behavior('bicycle_behavior.xml')# 加载行人与自行车交互规则文件paramics.load_interaction_rule('interaction_rule.xml')# 运行仿真paramics.run_simulation(3600)# 仿真运行3600秒# 结束仿真paramics.end_simulation()在这个例子中，我们使用Paramics API加载了所有的配置文件，并运行了3600秒的仿真。
5. 结果分析
仿真运行完成后，我们需要对结果进行分析。Paramics提供了多种结果分析工具，包括行人和自行车的流量统计、速度分布、等待时间等。以下是一个示例，展示如何使用Paramics API进行结果分析：
# 导入Paramics APIimportparamics# 加载仿真结果文件paramics.load_results('simulation_results.xml')# 获取行人的流量统计pedestrian_flow=paramics.get_pedestrian_flow('pedestrian_path_1')print(f'行人路径1的流量统计:{pedestrian_flow}')# 获取自行车的流量统计bicycle_flow=paramics.get_bicycle_flow('bicycle_path_1')print(f'自行车路径1的流量统计:{bicycle_flow}')# 获取行人的速度分布pedestrian_speed_distribution=paramics.get_pedestrian_speed_distribution('pedestrian_path_1')print(f'行人路径1的速度分布:{pedestrian_speed_distribution}')# 获取自行车的速度分布bicycle_speed_distribution=paramics.get_bicycle_speed_distribution('bicycle_path_1')print(f'自行车路径1的速度分布:{bicycle_speed_distribution}')# 获取行人的等待时间pedestrian_waiting_time=paramics.get_pedestrian_waiting_time('pedestrian_path_1')print(f'行人路径1的等待时间:{pedestrian_waiting_time}')# 获取自行车的等待时间bicycle_waiting_time=paramics.get_bicycle_waiting_time('bicycle_path_1')print(f'自行车路径1的等待时间:{bicycle_waiting_time}')在这个例子中，我们使用Paramics API加载了仿真结果文件，并获取了行人的流量统计、速度分布和等待时间，以及自行车的流量统计、速度分布和等待时间。
