python|matlab 交通流数据三维散点or面

老师讲交通流理论留的作业,说要matlab做,我试了一下python,发现matlab在三维方面有很多函数还是比python好用。

![Uploading 01EC438C17A2DDDF44AB9CED0859B817_952446.jpg . . .]
![Uploading 52311C47E13ECBB2A6FB57393CABA79F_956948.jpg . . .]
![Uploading 9C1C388EAFB639D6A1E949179612704C_959808.jpg . . .]
![Uploading 0A0F932DF35A40D79BFADEADDC6A698C_961345.jpg . . .]

python代码

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

Uf=27.8#速度
Kjam=0.035#Kj阻塞密度
T=120#观测周期
t=0.3#时间间隔
L=2000#路段长度
x=10

K=np.zeros(shape=(200,400))
Z=[]
def k0j():
    for j in range(0,200):
        Z.append(j*10*(2000-j*10)/40000000)
    return Z
k0j()
K[:,0]=Z

for n in range(0,399):
    for j in range(0,200):
        if j==0:
            K[j,n+1]=1/2*(K[j+1,n]+0)-0.3/(2*10)*Uf*(K[j+1,n]*(1-K[j+1,n]/Kjam)-0)
        if j==199:
            K[j, n + 1] = 1 / 2 * (0 + K[j - 1, n]) - 0.3 / (2 * 10) * Uf * (0 - K[j - 1, n] * (1 - K[j - 1, n] / Kjam))
        else:
            K[j, n + 1] = 1 / 2 * (K[j + 1, n] + K[j - 1, n]) - 0.3 / (2 * 10) * Uf * (K[j + 1, n] * (1 - K[j + 1, n] / Kjam) - K[j - 1, n] * (1 - K[j - 1, n] / Kjam))
print(K)


X = [x for x in range(0,200) for y in range(0,400)]
Y = [x for x in range(0,400)]*200

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
Z=K.reshape(1,80000)


ax.scatter(X, Y, Z)

plt.xlabel('t/s')
plt.ylabel('x/m')

plt.show()

matlab代码

Uf=27.8;%速度;
Kjam=0.035;%Kj阻塞密度;
T=120;%观测周期
t=0.3;%时间间隔;
L=2000;%路段长度;
x=10;

K=zeros(200,400);
for j=1:200
    K(j,1)=j*10*(2000-j*10)/40000000;
end;

for n =1:399
    for j =1:200
        if j==1
            K(j,n+1)=1/2*(K(j+1,n)+0)-0.3/(2*10)*Uf*(K(j+1,n)*(1-K(j+1,n)/Kjam)-0);
        elseif j==200
            K(j, n + 1) = 1 / 2 * (0 + K(j - 1, n)) - 0.3 / (2 * 10) * Uf * (0 - K(j - 1, n) * (1 - K(j - 1, n) / Kjam));
        else
            K(j, n + 1) = 1 / 2 * (K(j + 1, n) + K(j - 1, n)) - 0.3 / (2 * 10) * Uf * (K(j + 1, n) * (1 - K(j + 1, n) / Kjam) - K(j - 1, n) * (1 - K(j - 1, n) / Kjam));
        end;
    end;
end;
surf(K)


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343

推荐阅读更多精彩内容