基于SimPy的无超车跟车场景道路队列效应建模方案咨询

直接用车辆队列+位置状态跟踪的方案即可，完全不需要拆分道路区块，运行开销比你现有的区块方案低一到两个数量级，天然满足禁止超车的规则，实现逻辑如下：

• 首先为单条不可超车的车道定义一个共享队列，队列内的车辆按行驶方向的前后顺序排序，队首为当前车道最前方的车辆，队尾为最后方驶入的车辆
• 每个车辆进程维护两个核心状态：current_position（当前在车道上的绝对位置，单位可按需设为米/厘米）、current_speed
• 按你需要的仿真步长（通常0.1~1秒即可满足绝大多数场景精度要求）定时更新车辆状态：
  1. 后车首先查询队列中排在自己前一位的车辆位置
  2. 按你选用的跟车规则（通用场景直接用工业界常用的IDM智能驾驶员模型即可，简单场景也可以自定义规则）计算自身当前允许的最高行驶速度
  3. 位置更新时强制加限制：new_position = min(理论行驶位置, 前车位置 - 最小安全车距)，天然保证后车永远不会超过前车，从底层逻辑上杜绝了超车的可能

下面是最小可运行的示例代码：

import simpy

# 车道类，对应一条不可超车的单向车道
class SingleLane:
    def __init__(self, env, length: float):
        self.env = env
        self.length = length  # 车道总长度，单位米
        self.vehicle_queue = []  # 按前后顺序存储车道上的所有车辆，队首为最前车

# 车辆类
class Vehicle:
    def __init__(self, env, lane: SingleLane, desired_speed: float, init_pos: float = 0):
        self.env = env
        self.lane = lane
        self.desired_speed = desired_speed  # 车辆期望的最高行驶速度，m/s
        self.current_pos = init_pos  # 当前位置，单位米
        self.current_speed = desired_speed
        self.min_safe_distance = 5  # 最小安全车距，单位米
        # 把车辆加入车道队尾
        self.lane.vehicle_queue.append(self)
        self.env.process(self.drive_process())
    
    def drive_process(self):
        # 车辆行驶进程，直到驶出车道
        while self.current_pos < self.lane.length:
            step = 0.1  # 仿真步长，100ms
            # 获取前车对象，没有前车说明是头车
            self_idx = self.lane.vehicle_queue.index(self)
            front_car = self.lane.vehicle_queue[self_idx - 1] if self_idx > 0 else None

            # 计算本步最多能开到的位置
            if front_car:
                max_allowed_pos = front_car.current_pos - self.min_safe_distance
            else:
                max_allowed_pos = self.lane.length

            # 更新位置和速度
            expected_pos = self.current_pos + self.current_speed * step
            self.current_pos = min(expected_pos, max_allowed_pos)
            # 被前车阻挡则减速到前车速度，否则逐步加速回到期望速度
            if self.current_pos < expected_pos and front_car:
                self.current_speed = front_car.current_speed
            else:
                self.current_speed = min(self.desired_speed, self.current_speed + 2 * step)

            yield self.env.timeout(step)
        
        # 驶出车道后从队列移除
        self.lane.vehicle_queue.remove(self)

# 测试用例
if __name__ == "__main__":
    env = simpy.Environment()
    lane = SingleLane(env, length=1000)
    # 生成两辆车，后车期望速度比前车快
    Vehicle(env, lane, desired_speed=10, init_pos=0)  # 后车，期望10m/s
    Vehicle(env, lane, desired_speed=5, init_pos=100)  # 前车，期望5m/s
    env.run(until=200)

方案优势 #

• 开销极低：仅需要维护和当前车道车辆数等量的对象，和道路长度完全无关，即使是百公里级的长距离道路仿真也不会额外增加运算开销
• 精度可控：可通过调整仿真步长灵活平衡精度和开销，相同精度下开销仅为区块方案的1/10甚至更低
• 扩展性强：后续需要加减速规则、刹车逻辑、多车道变道规则时，只需要在现有逻辑上扩展即可，不需要修改底层架构

如果你的场景确实需要保留区块的管理逻辑，也可以不用预先生成所有区块资源，仅在车辆接近对应区块时动态创建资源，用完即销毁，也能大幅降低开销，但实现复杂度高于队列方案，非必要不推荐。

内容的提问来源于stack exchange，提问作者Mrk