公共交通建模

在交通仿真软件中，公共交通建模是一个重要的模块，它可以帮助我们更准确地模拟城市交通系统的运行情况，从而为交通规划和管理提供有力的支持。Aimsun 提供了丰富的功能和工具，用于创建和优化公共交通网络，包括公交车、地铁、轻轨等。本节将详细介绍如何在 Aimsun 中进行公共交通建模，包括公共交通线路的创建、车辆调度、乘客行为建模等方面的内容。

1. 公共交通线路的创建

1.1 创建公交线路

在 Aimsun 中创建公交线路需要以下几个步骤：

  1. 定义公交站点：首先，需要在地图上定义公交站点。这可以通过在 Aimsun 的地图编辑器中添加点对象来实现。

  2. 连接公交站点：定义了公交站点之后，需要将这些站点通过线路连接起来。这可以通过在 Aimsun 中创建线对象来实现。

  3. 设置公交线路属性：最后，需要设置公交线路的属性，如线路名称、线路类型、车辆类型等。

代码示例

以下是一个使用 Aimsun 的 Python API 创建公交线路的示例：


# 导入 Aimsun API

import aimsun_api as api



# 创建公交站点

def create_bus_stop(stop_name, x, y):

    """创建公交站点"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建站点对象

    stop = network.create_stop(stop_name, x, y)

    return stop



# 创建公交线路

def create_bus_line(line_name, stops, route):

    """创建公交线路"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建线路对象

    line = network.create_line(line_name, stops, route)

    return line



# 示例数据

stops = [

    create_bus_stop("Stop1", 300, 400),

    create_bus_stop("Stop2", 500, 600),

    create_bus_stop("Stop3", 700, 800)

]

route = [1, 2, 3, 4, 5]  # 假设这是站点之间的路径



# 创建公交线路

bus_line = create_bus_line("BusLine1", stops, route)



# 打印公交线路信息

print(f"公交线路 {bus_line.get_name()} 创建成功")

1.2 创建地铁线路

地铁线路的创建与公交线路类似，但需要考虑更多的因素，如地铁站点的深度、换乘站点等。

  1. 定义地铁站点：在地图上定义地铁站点，这可以通过在 Aimsun 的地图编辑器中添加点对象来实现。

  2. 连接地铁站点：定义了地铁站点之后，需要将这些站点通过线路连接起来。这可以通过在 Aimsun 中创建线对象来实现。

  3. 设置地铁线路属性：设置地铁线路的属性，如线路名称、线路类型、车辆类型、运行频率等。

代码示例

以下是一个使用 Aimsun 的 Python API 创建地铁线路的示例：


# 导入 Aimsun API

import aimsun_api as api



# 创建地铁站点

def create_metro_stop(stop_name, x, y, depth):

    """创建地铁站点"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建站点对象

    stop = network.create_metro_stop(stop_name, x, y, depth)

    return stop



# 创建地铁线路

def create_metro_line(line_name, stops, route, frequency):

    """创建地铁线路"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建线路对象

    line = network.create_metro_line(line_name, stops, route, frequency)

    return line



# 示例数据

stops = [

    create_metro_stop("MetroStop1", 300, 400, 10),

    create_metro_stop("MetroStop2", 500, 600, 10),

    create_metro_stop("MetroStop3", 700, 800, 10)

]

route = [1, 2, 3, 4, 5]  # 假设这是站点之间的路径

frequency = 10  # 每10分钟一班



# 创建地铁线路

metro_line = create_metro_line("MetroLine1", stops, route, frequency)



# 打印地铁线路信息

print(f"地铁线路 {metro_line.get_name()} 创建成功，运行频率为每 {frequency} 分钟一次")

2. 车辆调度

2.1 公交车辆调度

公交车辆调度是指根据公交线路的运行需求，合理安排车辆的发车间隔、发车时间等。Aimsun 提供了多种调度策略，包括定时调度、动态调度等。

  1. 设置发车间隔：可以通过设置发车间隔来控制公交车辆的发车频率。

  2. 设置发车时间：可以设置公交车辆的发车时间，以便在仿真过程中准确控制车辆的运行。

代码示例

以下是一个使用 Aimsun 的 Python API 设置公交车辆调度的示例：


# 导入 Aimsun API

import aimsun_api as api



# 设置公交车辆调度

def set_bus_schedule(line, interval, start_time):

    """设置公交车辆调度"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    bus_line = model.get_line(line)

    # 设置发车间隔

    bus_line.set_interval(interval)

    # 设置发车时间

    bus_line.set_start_time(start_time)



# 示例数据

line = "BusLine1"

interval = 5  # 每5分钟一班

start_time = 3600  # 从仿真开始后的1小时



# 设置公交车辆调度

set_bus_schedule(line, interval, start_time)



# 打印调度信息

print(f"公交线路 {line} 的调度设置成功，发车间隔为每 {interval} 分钟一次，发车时间为仿真开始后的 {start_time} 秒")

2.2 地铁车辆调度

地铁车辆调度与公交车辆调度类似，但需要考虑地铁的特殊需求，如高峰期的加密班次、低峰期的减少班次等。

  1. 设置发车间隔：可以通过设置发车间隔来控制地铁车辆的发车频率。

  2. 设置发车时间：可以设置地铁车辆的发车时间，以便在仿真过程中准确控制车辆的运行。

代码示例

以下是一个使用 Aimsun 的 Python API 设置地铁车辆调度的示例：


# 导入 Aimsun API

import aimsun_api as api



# 设置地铁车辆调度

def set_metro_schedule(line, interval, start_time):

    """设置地铁车辆调度"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    metro_line = model.get_line(line)

    # 设置发车间隔

    metro_line.set_interval(interval)

    # 设置发车时间

    metro_line.set_start_time(start_time)



# 示例数据

line = "MetroLine1"

interval = 3  # 每3分钟一班

start_time = 3600  # 从仿真开始后的1小时



# 设置地铁车辆调度

set_metro_schedule(line, interval, start_time)



# 打印调度信息

print(f"地铁线路 {line} 的调度设置成功，发车间隔为每 {interval} 分钟一次，发车时间为仿真开始后的 {start_time} 秒")

3. 乘客行为建模

3.1 乘客生成

乘客生成是指根据交通需求模型，生成乘客的出行需求。这可以通过定义乘客的出行时间、目的站点等属性来实现。

  1. 定义乘客生成器：在 Aimsun 中定义乘客生成器，用于生成乘客的出行需求。

  2. 设置乘客属性：设置乘客的属性，如出行时间、目的站点等。

代码示例

以下是一个使用 Aimsun 的 Python API 定义乘客生成器的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义乘客生成器

def create_passenger_generator(generator_name, start_time, end_time, destination):

    """定义乘客生成器"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建乘客生成器对象

    generator = network.create_passenger_generator(generator_name, start_time, end_time, destination)

    return generator



# 示例数据

generator_name = "PassengerGenerator1"

start_time = 3600  # 从仿真开始后的1小时

end_time = 7200  # 从仿真开始后的2小时

destination = "Stop3"  # 乘客的目的站点



# 创建乘客生成器

generator = create_passenger_generator(generator_name, start_time, end_time, destination)



# 打印生成器信息

print(f"乘客生成器 {generator.get_name()} 创建成功，生成乘客的时间范围为从 {start_time} 秒到 {end_time} 秒，目的站点为 {destination}")

3.2 乘客路径选择

乘客路径选择是指根据乘客的出行需求，选择最合适的路径。这可以通过定义乘客的行为规则来实现，如优先选择换乘次数最少的路径、优先选择耗时最短的路径等。

  1. 定义路径选择策略：在 Aimsun 中定义乘客的路径选择策略。

  2. 应用路径选择策略：将路径选择策略应用到乘客生成器中，以便在仿真过程中乘客能够根据策略选择路径。

代码示例

以下是一个使用 Aimsun 的 Python API 定义乘客路径选择策略的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义路径选择策略

def create_path_choice_strategy(strategy_name, priority_rule):

    """定义路径选择策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建路径选择策略对象

    strategy = network.create_path_choice_strategy(strategy_name, priority_rule)

    return strategy



# 应用路径选择策略

def apply_path_choice_strategy(generator, strategy):

    """应用路径选择策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取生成器对象

    gen = model.get_passenger_generator(generator)

    # 应用路径选择策略

    gen.set_path_choice_strategy(strategy)



# 示例数据

strategy_name = "MinTransfersStrategy"

priority_rule = "MIN_TRANSFERS"  # 优先选择换乘次数最少的路径

generator = "PassengerGenerator1"

strategy = create_path_choice_strategy(strategy_name, priority_rule)



# 应用路径选择策略

apply_path_choice_strategy(generator, strategy)



# 打印路径选择策略信息

print(f"路径选择策略 {strategy.get_name()} 应用到乘客生成器 {generator} 成功，优先选择换乘次数最少的路径")

3.3 乘客上车和下车行为

乘客上车和下车行为是指乘客在公交站点和地铁站点的上下车行为。这可以通过定义乘客的行为规则来实现，如乘客在站点的等待时间、乘客的上下车顺序等。

  1. 定义上下车行为规则：在 Aimsun 中定义乘客的上下车行为规则。

  2. 应用上下车行为规则：将上下车行为规则应用到乘客生成器中，以便在仿真过程中乘客能够根据规则上下车。

代码示例

以下是一个使用 Aimsun 的 Python API 定义乘客上下车行为的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义上下车行为规则

def create_boarding_deboarding_rules(rules_name, waiting_time, boarding_order):

    """定义上下车行为规则"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建上下车行为规则对象

    rules = network.create_boarding_deboarding_rules(rules_name, waiting_time, boarding_order)

    return rules



# 应用上下车行为规则

def apply_boarding_deboarding_rules(generator, rules):

    """应用上下车行为规则"""

    # 获取当前模型

    model = api.get_model()

    # 获取生成器对象

    gen = model.get_passenger_generator(generator)

    # 应用上下车行为规则

    gen.set_boarding_deboarding_rules(rules)



# 示例数据

rules_name = "BoardingDeboardingRules1"

waiting_time = 30  # 等待时间为30秒

boarding_order = "FIFO"  # 优先顺序为先进先出

generator = "PassengerGenerator1"

rules = create_boarding_deboarding_rules(rules_name, waiting_time, boarding_order)



# 应用上下车行为规则

apply_boarding_deboarding_rules(generator, rules)



# 打印上下车行为规则信息

print(f"上下车行为规则 {rules.get_name()} 应用到乘客生成器 {generator} 成功，等待时间为 {waiting_time} 秒，上下车顺序为 {boarding_order}")

4. 公共交通信号优先

4.1 信号优先策略

公共交通信号优先是指在交通信号灯控制中，优先放行公共交通车辆，以提高其运行效率。Aimsun 提供了多种信号优先策略，如优先通过时间、优先放行顺序等。

  1. 定义信号优先策略：在 Aimsun 中定义信号优先策略。

  2. 应用信号优先策略：将信号优先策略应用到交通信号灯中，以便在仿真过程中信号灯能够根据策略优先放行公共交通车辆。

代码示例

以下是一个使用 Aimsun 的 Python API 定义信号优先策略的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义信号优先策略

def create_signal_priority_strategy(strategy_name, priority_list):

    """定义信号优先策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建信号优先策略对象

    strategy = network.create_signal_priority_strategy(strategy_name, priority_list)

    return strategy



# 应用信号优先策略

def apply_signal_priority_strategy(signal, strategy):

    """应用信号优先策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取信号灯对象

    sig = model.get_signal(signal)

    # 应用信号优先策略

    sig.set_priority_strategy(strategy)



# 示例数据

strategy_name = "BusPriorityStrategy"

priority_list = ["Bus", "Metro", "Car"]  # 优先顺序为公交车、地铁、私家车

signal = "Signal1"

strategy = create_signal_priority_strategy(strategy_name, priority_list)



# 应用信号优先策略

apply_signal_priority_strategy(signal, strategy)



# 打印信号优先策略信息

print(f"信号优先策略 {strategy.get_name()} 应用到信号灯 {signal} 成功，优先顺序为 {priority_list}")

4.2 优先通过时间

优先通过时间是指在交通信号灯控制中，为公共交通车辆设置优先通过的时间。这可以通过定义信号灯的相位时间来实现。

  1. 定义优先通过时间：在 Aimsun 中定义信号灯的优先通过时间。

  2. 应用优先通过时间：将优先通过时间应用到交通信号灯中，以便在仿真过程中信号灯能够根据时间优先放行公共交通车辆。

代码示例

以下是一个使用 Aimsun 的 Python API 定义优先通过时间的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义优先通过时间

def create_priority_phase_time(phase_name, duration, priority_vehicles):

    """定义优先通过时间"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建优先通过时间对象

    phase = network.create_phase_time(phase_name, duration, priority_vehicles)

    return phase



# 应用优先通过时间

def apply_priority_phase_time(signal, phase):

    """应用优先通过时间"""

    # 获取当前模型

    model = api.get_model()

    # 获取信号灯对象

    sig = model.get_signal(signal)

    # 应用优先通过时间

    sig.add_phase_time(phase)



# 示例数据

phase_name = "BusPriorityPhase"

duration = 30  # 优先通过时间为30秒

priority_vehicles = ["Bus", "Metro"]  # 优先车辆类型为公交车和地铁

signal = "Signal1"

phase = create_priority_phase_time(phase_name, duration, priority_vehicles)



# 应用优先通过时间

apply_priority_phase_time(signal, phase)



# 打印优先通过时间信息

print(f"优先通过时间 {phase.get_name()} 应用到信号灯 {signal} 成功，持续时间为 {duration} 秒，优先车辆类型为 {priority_vehicles}")

5. 公共交通车辆类型

5.1 定义车辆类型

在 Aimsun 中，可以定义多种公共交通车辆类型，如公交车、地铁、轻轨等。每种车辆类型可以有不同的属性，如车辆长度、最大速度、乘客容量等。这些属性的设置对于准确模拟公共交通系统的运行至关重要。

  1. 创建车辆类型：在 Aimsun 中创建车辆类型对象。

  2. 设置车辆类型属性：设置车辆类型的属性，如车辆长度、最大速度、乘客容量等。

代码示例

以下是一个使用 Aimsun 的 Python API 定义车辆类型的示例：


# 导入 Aimsun API

import aimsun_api as api



# 创建车辆类型

def create_vehicle_type(type_name, length, max_speed, passenger_capacity):

    """创建车辆类型"""

    # 获取当前模型

    model = api.get_model()

    # 获取网络对象

    network = model.get_network()

    # 创建车辆类型对象

    vehicle_type = network.create_vehicle_type(type_name, length, max_speed, passenger_capacity)

    return vehicle_type



# 示例数据

type_name = "BusType1"

length = 12  # 车辆长度为12米

max_speed = 60  # 最大速度为60公里/小时

passenger_capacity = 50  # 乘客容量为50人



# 创建车辆类型

bus_type = create_vehicle_type(type_name, length, max_speed, passenger_capacity)



# 打印车辆类型信息

print(f"车辆类型 {bus_type.get_name()} 创建成功，车辆长度为 {length} 米，最大速度为 {max_speed} 公里/小时，乘客容量为 {passenger_capacity} 人")

5.2 应用车辆类型

创建了车辆类型之后，需要将其应用到具体的公交线路或地铁线路中，以便在仿真过程中使用这些车辆类型。

  1. 获取线路对象：在 Aimsun 中获取公交线路或地铁线路对象。

  2. 设置线路的车辆类型：将创建的车辆类型应用到线路中。

代码示例

以下是一个使用 Aimsun 的 Python API 将车辆类型应用到公交线路和地铁线路的示例：


# 导入 Aimsun API

import aimsun_api as api



# 设置线路的车辆类型

def set_vehicle_type_for_line(line_name, vehicle_type):

    """设置线路的车辆类型"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 设置车辆类型

    line.set_vehicle_type(vehicle_type)



# 示例数据

bus_line = "BusLine1"

metro_line = "MetroLine1"

bus_type = "BusType1"

metro_type = "MetroType1"



# 假设地铁车辆类型已经创建

metro_type = create_vehicle_type("MetroType1", 24, 80, 100)



# 设置公交线路的车辆类型

set_vehicle_type_for_line(bus_line, bus_type)



# 设置地铁线路的车辆类型

set_vehicle_type_for_line(metro_line, metro_type)



# 打印车辆类型设置信息

print(f"公交线路 {bus_line} 的车辆类型设置为 {bus_type} 成功")

print(f"地铁线路 {metro_line} 的车辆类型设置为 {metro_type} 成功")

6. 公共交通车辆运行仿真

6.1 运行仿真设置

在 Aimsun 中，公共交通车辆的运行仿真需要设置一些参数，如仿真时间、初始车辆位置等。这些设置确保仿真的准确性和可靠性。

  1. 设置仿真时间：定义仿真的起始时间和持续时间。

  2. 设置初始车辆位置：定义仿真的初始车辆位置，以便仿真开始时车辆能够正确地出现在指定的站点。

代码示例

以下是一个使用 Aimsun 的 Python API 设置仿真时间的示例：


# 导入 Aimsun API

import aimsun_api as api



# 设置仿真时间

def set_simulation_time(start_time, end_time):

    """设置仿真时间"""

    # 获取当前模型

    model = api.get_model()

    # 设置仿真起始时间

    model.set_simulation_start_time(start_time)

    # 设置仿真结束时间

    model.set_simulation_end_time(end_time)



# 示例数据

start_time = 0  # 仿真从第0秒开始

end_time = 86400  # 仿真持续24小时



# 设置仿真时间

set_simulation_time(start_time, end_time)



# 打印仿真时间设置信息

print(f"仿真时间设置成功，起始时间为 {start_time} 秒，结束时间为 {end_time} 秒")

6.2 初始车辆位置设置

为了确保仿真开始时车辆能够正确地出现在指定的站点，需要设置初始车辆位置。

  1. 定义初始车辆位置：在 Aimsun 中定义初始车辆位置。

  2. 应用初始车辆位置：将初始车辆位置应用到线路中，以便在仿真开始时车辆能够出现在指定的站点。

代码示例

以下是一个使用 Aimsun 的 Python API 设置初始车辆位置的示例：


# 导入 Aimsun API

import aimsun_api as api



# 设置初始车辆位置

def set_initial_vehicle_positions(line_name, initial_positions):

    """设置初始车辆位置"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 设置初始车辆位置

    line.set_initial_positions(initial_positions)



# 示例数据

bus_line = "BusLine1"

metro_line = "MetroLine1"

initial_positions = [

    {"stop": "Stop1", "time": 0},

    {"stop": "Stop2", "time": 300},

    {"stop": "Stop3", "time": 600}

]



# 设置初始车辆位置

set_initial_vehicle_positions(bus_line, initial_positions)

set_initial_vehicle_positions(metro_line, initial_positions)



# 打印初始车辆位置设置信息

print(f"公交线路 {bus_line} 的初始车辆位置设置成功")

print(f"地铁线路 {metro_line} 的初始车辆位置设置成功")

7. 公共交通网络优化

7.1 线路优化

公共交通线路的优化是提高公共交通系统效率的重要手段。Aimsun 提供了多种优化工具和方法，可以帮助用户优化线路的设计和运行。

  1. 定义优化目标：确定优化的目标，如减少乘客等待时间、提高车辆运行效率等。

  2. 应用优化策略：应用优化策略，如调整线路路径、增加或减少站点等。

代码示例

以下是一个使用 Aimsun 的 Python API 进行线路优化的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义优化目标

def define_optimization_goal(line_name, goal):

    """定义优化目标"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 设置优化目标

    line.set_optimization_goal(goal)



# 应用优化策略

def apply_optimization_strategy(line_name, strategy):

    """应用优化策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 应用优化策略

    line.apply_optimization_strategy(strategy)



# 示例数据

bus_line = "BusLine1"

metro_line = "MetroLine1"

goal = "MINIMIZE_WAITING_TIME"  # 优化目标为最小化乘客等待时间

strategy = "REDUCE_STOPS"  # 优化策略为减少站点



# 定义优化目标

define_optimization_goal(bus_line, goal)

define_optimization_goal(metro_line, goal)



# 应用优化策略

apply_optimization_strategy(bus_line, strategy)

apply_optimization_strategy(metro_line, strategy)



# 打印优化信息

print(f"公交线路 {bus_line} 的优化目标设置为 {goal}，优化策略应用为 {strategy}")

print(f"地铁线路 {metro_line} 的优化目标设置为 {goal}，优化策略应用为 {strategy}")

7.2 车辆调度优化

车辆调度的优化可以进一步提高公共交通系统的运行效率。Aimsun 提供了多种调度优化工具，可以帮助用户优化车辆的发车间隔、发车时间等。

  1. 定义调度优化目标：确定调度优化的目标，如最大化车辆利用率、最小化乘客等待时间等。

  2. 应用调度优化策略：应用调度优化策略，如调整发车间隔、优化发车时间等。

代码示例

以下是一个使用 Aimsun 的 Python API 进行车辆调度优化的示例：


# 导入 Aimsun API

import aimsun_api as api



# 定义调度优化目标

def define_schedule_optimization_goal(line_name, goal):

    """定义调度优化目标"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 设置调度优化目标

    line.set_schedule_optimization_goal(goal)



# 应用调度优化策略

def apply_schedule_optimization_strategy(line_name, strategy):

    """应用调度优化策略"""

    # 获取当前模型

    model = api.get_model()

    # 获取线路对象

    line = model.get_line(line_name)

    # 应用调度优化策略

    line.apply_schedule_optimization_strategy(strategy)



# 示例数据

bus_line = "BusLine1"

metro_line = "MetroLine1"

goal = "MINIMIZE_WAITING_TIME"  # 调度优化目标为最小化乘客等待时间

strategy = "ADAPTIVE_INTERVAL"  # 调度优化策略为自适应发车间隔



# 定义调度优化目标

define_schedule_optimization_goal(bus_line, goal)

define_schedule_optimization_goal(metro_line, goal)



# 应用调度优化策略

apply_schedule_optimization_strategy(bus_line, strategy)

apply_schedule_optimization_strategy(metro_line, strategy)



# 打印调度优化信息

print(f"公交线路 {bus_line} 的调度优化目标设置为 {goal}，调度优化策略应用为 {strategy}")

print(f"地铁线路 {metro_line} 的调度优化目标设置为 {goal}，调度优化策略应用为 {strategy}")

8. 总结

通过 Aimsun 提供的丰富功能和工具，我们可以有效地进行公共交通建模和优化。从创建公交线路和地铁线路，到设置车辆调度和乘客行为，再到应用优化策略，每一步都是为了更准确地模拟公共交通系统的运行情况，从而为交通规划和管理提供有力的支持。通过本文的介绍，希望能够帮助用户更好地理解和使用 Aimsun 的公共交通建模功能，提高交通仿真的准确性和可靠性。在这里插入图片描述

# php # 网络 # 开发语言
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

cover

特效美术（VFX）提效：手绘光效太慢？3 分钟量产全套粒子贴图

avatar 2048 AI社区
cover

Agent协作标准: A2A协议

avatar 2048 AI社区
cover

AI 并不懂文字，它只认向量：一文搞懂 Embedding

avatar 2048 AI社区