MFC和电池消耗模型
2022年4月：新的微观自由流加速（MFC）和电池消耗模型可以进行更准确的燃料和能源消耗分析。 本技术注解将引导你了解模型的细节以及每个参数如何影响车辆行为。
交通模型中的随机种子
2023年1月 — 技术注解 #76
Tessa Hayman
产品专家
Tessa Hayman解释了Aimsun Next中微观和中观仿真中不同随机性来源以及如何控制它们。
所有的动态场景都包括某种形式的随机性，这种随机性是由随机种子的选择来定义的。 本技术注解将解释Aimsun Next中微观和中观仿真中不同的随机性来源以及如何控制它们。
交通模型的不确定性是在使用其输出时需要仔细考虑的一个方面。 静态模型的不确定性是由输入参数的不确定性引起的，而动态模型用于指定输入参数的一系列随机数的随机性，在其输出中显示出额外的可变性。 这些系列是根据随机种子生成的，以确保每次运行复制体都会产生相同的结果。
在Aimsun Next的默认情况下，所有的随机种子都是由复制体中指定的单一（主）随机种子自己自动生成的。 如果每个复制体都有不同的（主）随机种子，仿真中发生的所有随机过程（车辆参数、车辆出发时间、路径选择等）都会导致结果的不同。 然而，在一些用例中，你必须以更精细的方式控制复制体之间的变化；为此，复制体属性中有五个不同的种子，可以进行独立设置。
(主)随机种子
复制体的主选项页中包含的随机种子用于生成所有未在复制体属性中设置为特定值（不同于0）的种子，因此可以影响到由下文所述特定种子控制的仿真的所有方面。 除此之外，它总是控制着十进制矩阵中行程数的四舍五入，以及当到达率被设置为均匀、正常或指数时，各个车辆的”生成车头距“（出发时间）。
车辆产生种子
这个种子被用来从车辆类型中的截断正态分布中生成每个车辆的属性。 这包括，但不限于，车辆长度、最大值、 期望速度、前视的变化、遵行交通管理规则、速度接受度、最大让行时间。 请注意，通过设置一个参数的偏差为0，它不再随随机种子的变化而变化，但它也将不再在同一仿真中的同一类型的车辆之间变化。
车辆分配种子
这个种子被用来从由DUE或SRC计算的一组路径中选择车辆的路径，或者作为OD路线的输入。 每种路径类型和路径类型中的每条路径都有一个使用概率，这个种子被用来在“选择路径集”中选择一条路径。 因此，在同一OD对有多条路径可用的时候，我们会看到它的影响。
公共交通种子
该种子用于为公共交通车辆设置线路起点的出发时间（如果时刻表中设置了偏差）和每一站的停留时间（如果时刻表中设置了偏差）。 它还影响到公共交通车辆的车辆参数采样（对于私人车辆来说，它是由“产生种子”控制的）。
交通管理种子
当有一个与交通管理行动相关的随机过程时，都会使用这个种子。例如，在某一路段经常性发生事件的位置、影响大小和发生的次数，或与强制转弯相关的子路径的选择。 遵守交通管理行动并不取决于这个种子，因为它使用存储在车辆属性中的随机数，因此取决于“车辆产生种子”。
如果你希望两个复制体只是在上述某些方面相等（但不是全部）时，你可以在复制体属性中设置相同的“子种子”。 由于需求和“生成车头距”总是取决于”主种子“，如果你想在复制体之间将它们固定，你必须保持相同的”主种子“，并为你想要的某些过程设置不同的”子种子“，来区分不同复制体。
由于随机种子是用来从某个分布中抽样取值的，或根据概率做出选择，因此去掉随机性的另一种方法是将偏差设置为零或有一个单一的选项可以选择。 然而，请注意，这也会同时去除同一仿真中的变化，而不仅仅是不同复制体之间的变化。
随机种子 | 如何完全去除随机性 |
主种子 | 使用整数矩阵并将到达率设置为常数 |
公共交通种子 | 在时刻表中，将出发时间和停留时间的偏差设置为0，并将服务于交通线路的车辆类型的所有参数设置为0。 |
交通管理种子 | 在周期性事件中设置偏差为0，为强制转弯和目的地改变设置单一选项，为En-route路径更新强制性最短路径 |
车辆分配种子 | 每个OD对和时间间隔有一个单一的路径 |
车辆产生种子 | 将所有车辆类型参数的偏差设置为0 |
你可以通过创建多个复制体并改变不同的“子种子”或“主种子”来检查这些变化的效果，然后比较产出的分布并评估每个路段的流量变化。 例如，下面给出了改变“主随机种子”对各种输出的影响。 对两个模型进行了评估第一个模型用指数分布的到达并含小数点的需求，第二个模型用常数到达和整数需求。
一个有趣的现象是，如果矩阵中的所有OD单元都有一个整数的行程，即使主随机种子改变了，复制体之间的流量变化也会明显降低。 因此，请记住，虽然随机种子决定是否有变化，但变化的幅度取决于模型的特性。
A) 随机种子（来自静态子路网的需求）：
B) 随机种子（来自静态子路网的四舍五入的需求）：
