元胞自动机疏散模型代码python

元胞自动机疏散模型是一种用于模拟人群行为和疏散过程的模型，可以用来研究人群密集区域的疏散效果和安全性。下面是一个用Python实现的简单疏散模型代码示例：

import numpy as np
import matplotlib.pyplot as plt

# 基本参数设置
N = 50   # 元胞网格的大小
T = 50   # 总模拟步数
p = 0.3  # 疏散概率

# 初始化元胞状态
cell_states = np.zeros((N, N))
cell_states[N//2, N//2] = 1  # 设置中心点为起始点

# 迭代模拟
for t in range(T):
    # 复制当前时刻的元胞状态
    temp_states = cell_states.copy()

    # 遍历所有元胞
    for i in range(N):
        for j in range(N):
            if temp_states[i, j] == 1:
                # 随机选择下一个位置
                next_i = np.random.randint(max(0, i-1), min(N, i+2))
                next_j = np.random.randint(max(0, j-1), min(N, j+2))
                # 判断目标位置是否为空
                if temp_states[next_i, next_j] == 0:
                    # 判断是否疏散成功
                    if np.random.rand() <= p:
                        cell_states[i, j] = 0  # 原位置变为空
                        cell_states[next_i, next_j] = 1  # 目标位置变为有人
                    else:
                        cell_states[i, j] = 1  # 留在原位置

# 绘制最终的元胞状态
plt.imshow(cell_states, cmap='binary')
plt.show()

该代码使用Numpy库来处理二维数组，使用Matplotlib库来绘制最终的元胞状态。首先，我们初始化一个大小为N×N的元胞状态矩阵，将其中心点设为起始点。然后，进行T次迭代模拟。每次迭代中，我们复制当前时刻的元胞状态，并遍历所有元胞。对于每个有人的元胞，我们随机选择一个相邻的目标位置，如果目标位置为空，则根据疏散概率p判断是否疏散成功。若成功，则将原位置变为空，将目标位置变为有人；若失败，则保持原位置不变。最后，使用Matplotlib库将最终的元胞状态可视化出来。

请注意，该代码仅为疏散模型的一个简单实现，可能存在一些简化和缺陷，具体的模型和参数设置可以根据具体需求进行调整和优化。