MATLAB轨道交通仿真系统：从列车运行到客流交互的完整实现

简介：轨道交通仿真系统代码包，面向城市交通规划、轨道运营优化及仿真建模技术人员，用于模拟列车从启动、加速到减速停车的完整过程，并还原乘客上下车与换乘行为。代码将线路条件、信号系统、牵引供电等复杂因素统一建模，其中“duringpw7”标签对应工作日17—19时高峰时段，可针对高负荷条件下的运营瓶颈进行分析。压缩包共20个文件，以11个m脚本为核心，涵盖主控流程、站点距离计算、速度更新、位置展示等算法模块；5个mat数据文件保存站点坐标与乘客分布，png图与fig界面辅助可视化，txt则提供说明，整体仅107KB，轻量紧凑。已有419人学习，适合需要构建或改进仿真模型的开发者，也能帮助研究者深入理解数据结构与调度逻辑，为发车间隔优化、站台布局调整及应急预案制定提供数据支撑。

1. 轨道交通仿真系统：一套能跑通列车运行全过程的MATLAB代码

拆开这个压缩包的时候，我第一反应是找 main.m 和 run.m。对于一个列车运行仿真程序，没有这两个入口文件，后面十几个 m 文件都是黑匣子。这套代码的定位很明确：用 MATLAB 实现列车从启动、加速、匀速、减速到停车进站的全过程，同时把站点客流生成和上下车行为也塞进了同一个循环里，而不是像很多论文代码那样只给一个孤零零的运动学模型。如果你在做轨道交通相关的课程设计、毕设，或者想快速搭一个能展示“列车在线上跑、站点有人在等车”的仿真 Demo，这套代码是很好的起点。它不涉及牵引供电和信号系统的细节，那些在仿真里被简化成了速度约束和停站时间，正好把注意力集中在列车运行和客流交互这两条主线上。

2. 拆包看架构：这套仿真系统由哪几部分组成，运行主流程怎么走

2.1 文件清单与模块分工：代码不是一堆散文件，而是三层结构

拿到压缩包先别急着点 run.m，我第一次跑这类仿真就吃过亏——文件都没认全就运行，报错连哪个函数抛的都分不清。把文件按职责过一遍，这套代码的结构其实很清晰。

分层的好处是改参数不用翻逻辑代码。想调客流，动 getRandSitePeopleNum.m；想改线路，动 data.txt 和 mat 文件；想换显示效果，碰显示层那五个函数。逻辑层和显示层是分开的，这正是我判断这套代码“能跑通也改得动”的依据。

2.2 从 main.m 到 run.m：先理清主流程再动手改参数

一般这类仿真项目的主流程是：main.m 负责把站点坐标、距离矩阵、底图全部 load 进来，然后调用 run.m 进入循环。run.m 内部就是标准的“时间步推进→算速度→算位移→更新列车→更新站点→刷新画面”，直到仿真时钟走完。

% run.m 仿真主循环骨架（按模块名整理的常见结构） load('siteDistance.mat'); % 站点间距离矩阵 load('site_pos_x_y.mat'); % 站点坐标数组 totalTime = 3600; % 仿真总时长，单位秒 dt = 1; % 时间步长，单位秒 time = 0; while time < totalTime v = getSpeed(time, pos); % 取当前时刻、当前区间的速度 d = getDistance(v, dt); % 由速度和时间步长算位移 updatePosition(pos, d); % 更新列车在某条线路上的逻辑位置 sitePeople = getRandSitePeopleNum(pos, time); % 生成当前站客流 trainPositionDisplay(pos); % 刷新列车在底图上的位置 siteStateDisplay(sitePeople); % 刷新站点候车人数显示 drawnow; time = time + dt; end

这段代码里有几个参数直接决定仿真分辨率：dt 设 1 秒，一小时的仿真要循环 3600 次，画面刷新基本流畅；如果 dt 设 0.1 秒，精度上去了但图形刷新会明显变卡，我一般先跑 1 秒步长，确认逻辑无误再缩步长。getSpeed 的返回值单位要注意和 dt 匹配，如果速度返回的是 m/s、dt 是秒，getDistance 算出来的就是米。

2.3 数据文件是“静态底图”：siteDistance.mat 和 site_pos_x_y.mat 存了什么

仿真里最容易被忽略的就是那几个 mat 文件。siteDistance.mat 我推测是一个 n×n 的站点间距离矩阵，第 i 行第 j 列代表站点 i 到站点 j 的线路距离；site_pos_x_y.mat 是 n×2 的坐标数组，每一行是某个站点在底图上的 x、y 像素坐标或逻辑坐标。这两个文件是配套的，坐标决定了站点画在哪，距离矩阵决定了列车跑多久到站。

% 查看数据文件结构 load('siteDistance.mat'); load('site_pos_x_y.mat'); whos siteDistance site_pos_x_y; size(siteDistance) % 应该是 n x n size(site_pos_x_y) % 应该是 n x 2

运行这段代码如果发现 siteDistance 是 5×5、site_pos_x_y 是 6×2，那说明站点数对不上，列车跑起来不是越界就是停在站外。这种问题后面避坑章节会重点讲。data.txt 则是文本格式的线路信息，常见做法是每行一个站点，字段包含站点编号、坐标和是否换乘站标记，方便人工修改后重新生成 mat 文件。

3. 核心算法逐个拆：列车位置、速度与站点状态的更新逻辑

3.1 getSpeed 和 getDistance：速度与里程是怎么算出来的

这两个函数是整套仿真里跟运动学关系最紧密的部分。getSpeed 的核心逻辑通常是查表或按区间返回一个预设速度——有的实现是给每个区间一个最高限速，列车在该区间内匀速行驶；有的实现会分阶段，起步阶段速度线性增长、接近站点前线性减速。我在类似项目里见过最常见的写法是后者，因为这样能比较自然地模拟启动和制动过程。

% getSpeed.m 常见实现：按区间和时间阶段返回速度 function v = getSpeed(time, pos) % pos 为列车当前位置；这里按三段式：加速-匀速-减速 if time < 10 % 启动加速阶段，10秒内线性加到30m/s v = 3 * time; elseif time < 50 v = 30; % 中间匀速跑40秒 else v = 30 - 3 * (time - 50); % 最后10秒减速到0 end end

这个函数的关键参数是加速时间和最高速度。把加速阶段从 10 秒改成 20 秒，曲线更平缓，但同样距离下平均速度会下降。getDistance 就简单多了，本质是 v 对 dt 的积分，如果 getSpeed 返回的是当前速度、dt 是时间步长，位移就是 v × dt；如果是分段速度函数，更稳妥的做法是在每个 dt 内取首尾速度的平均值再乘 dt，这样加速阶段误差小很多。

% getDistance.m：用梯形法算一步位移，比直接 v*dt 更稳 function d = getDistance(v, dt) persistent vLast; if isempty(vLast) vLast = v; end d = (v + vLast) / 2 * dt; % 梯形积分，兼顾加减速过程 vLast = v; end

这里用了一个 persistent 变量保存上一步速度，换来的是加减速阶段位移更平滑。如果你把 dt 设得很大，比如 5 秒，梯形法比矩形法的优势会非常明显。

3.2 updatePosition 和 updatePlotPosition：列车位移与图形刷新的关系

updatePosition.m 负责更新列车在“逻辑空间”里的位置——也就是沿着线路累计走了多少米；updatePlotPosition.m 则负责把逻辑位置转换成底图上的显示坐标。这一步是很多初学者容易绕晕的地方：逻辑位置是标量（沿线的里程），显示坐标是二维坐标（底图上的 x、y），中间需要一个映射关系。

最常见的做法是先算列车当前处于哪两个站点之间，再用线性插值把里程比例映射到两个站点坐标之间：

% updatePlotPosition.m：逻辑位置到显示坐标的映射 function [x, y] = updatePlotPosition(pos, sitePos) % sitePos 为 n x 2 的站点坐标数组 % pos 为沿线路累计里程 segment = floor(pos / distancePerSegment) + 1; ratio = (pos - (segment - 1) * distancePerSegment) / distancePerSegment; x = sitePos(segment, 1) * (1 - ratio) + sitePos(segment + 1, 1) * ratio; y = sitePos(segment, 2) * (1 - ratio) + sitePos(segment + 1, 2) * ratio; end

这里 distancePerSegment 表示一个区间的长度，如果你的线路各区间长度不一致，就不能用这种固定值除法，得先用站点累计里程数组去查 pos 落在哪个区间。参数上最容易踩的坑是 sitePos 的坐标顺序要和 distance 矩阵的顺序一致，否则列车会在底图上“跳线”。

3.3 trainPositionDisplay 与 siteStateDisplay：列车和站点的可视化逻辑

trainPositionDisplay.m 负责把列车画出来，常见做法是在底图 site.PNG 上用 plot 函数画一个矩形或圆代表列车；siteStateDisplay.m 则负责把每个站点的候车人数画出来，人数多就把标记点画大或者加文字标注。这两个函数通常会配合 plotCircle.m 使用——画站点圆圈、画列车占位。resetSiteStateDisplay.m 则是每一轮仿真开始前把显示状态清零的函数，防止上一轮残留的图形污染新一轮数据。

% resetSiteStateDisplay.m：重置图形句柄的典型结构 function resetSiteStateDisplay() % 删除上一轮所有列车和客流图形对象 delete(findobj('Type', 'patch')); delete(findobj('Type', 'text')); drawnow; end

参数层面，trainPositionDisplay 接收的通常是列车逻辑位置和底图句柄，siteStateDisplay 接收的是站点人数数组——一个长度为站点数的向量。你在改这两个函数的时候，只要保证“逻辑层函数只管算数、显示层函数只管画图”，就不会把仿真逻辑和界面渲染搅在一起。

4. 把参数改成你自己的：数据文件、发车逻辑与客流模拟的调整方法

4.1 改线路基础数据：从 data.txt 到重新生成 siteDistance.mat

这套代码默认带了一条线路和一组站点坐标，但你迟早要换成自己的线路数据。第一步是改 data.txt。我一般会把 data.txt 设计成每行一个站点：站点编号、x 坐标、y 坐标、是否换乘站，用空格或逗号分隔。改完之后不能直接跑，因为 siteDistance.mat 里还是旧的距离矩阵。

% 重新生成站点距离矩阵 data = load('data.txt'); sitePos = data(:, 2:3); % 取 x、y 坐标 n = size(sitePos, 1); siteDistance = zeros(n, n); for i = 1:n for j = 1:n siteDistance(i, j) = sqrt((sitePos(i,1)-sitePos(j,1))^2 + ... (sitePos(i,2)-sitePos(j,2))^2); end end save('siteDistance.mat', 'siteDistance'); save('site_pos_x_y.mat', 'sitePos');

这里用的是欧氏距离。如果你的线路是弯曲的，比如绕山或者走地下弧线，欧氏距离就不够用了，得从你的线路纵断面数据里提取实际里程放到距离矩阵里。我见过比较省事的做法是在 GIS 里量好各站间的实际里程，直接填进去，不走坐标反算。这个 mat 文件和 data.txt 的一致性，决定了后面所有仿真结果的可信度。

4.2 getRandSitePeopleNum 的三种改法：固定值、均匀随机、时段分段

这个函数的返回值决定了每个站点在每个仿真时刻有多少人在等车。原代码里大概是生成一个随机整数，但实际用途不同，三种改法各有适用场景。

% 改法一：固定客流（用于验证运动学逻辑，排除随机因素） function people = getRandSitePeopleNum(siteId, time) people = 20; % 每个站永远20人等车，跑出来的数据才方便对比 end

固定值的好处是结果完全可复现，适合先验证列车运行部分有没有 bug；坏处是乘客行为完全没有随机性，研究站台拥挤度就不合适。

% 改法二：均匀随机客流（基础随机场景） function people = getRandSitePeopleNum(siteId, time) people = randi([5, 30]); % 每站5到30人随机 end

均匀随机适合平峰场景，每个站点、每个时刻的客流都在同一水平线上波动。注意 randi 的上下限单位是“人”，不是“人/分钟”，这个值代表的是当前时刻站台上的存量候车人数。

% 改法三：早晚高峰分段（贴合 duringpw7 场景） function people = getRandSitePeopleNum(siteId, time) % time 为秒，17*3600 表示下午5点，19*3600 表示晚上7点 if time >= 17 * 3600 && time < 19 * 3600 people = randi([30, 80]); % 高峰时段客流密度翻倍 if siteId == 3 % 假设站点3是换乘站 people = round(people * 1.5); end else people = randi([5, 20]); end end

这个分段逻辑就是“duringpw7”这个标签最常见的落法——把 17:00 到 19:00 作为晚高峰窗口，在窗口内提高客流生成上下限。如果你做的是一整天的仿真，就把这个判断改成 7×3600 到 9×3600 早高峰、17×3600 到 19×3600 晚高峰两个窗口。timeSec 用秒做单位是这类仿真里的共识，避免直接在分钟和小时之间来回换算出错。

4.3 高峰时段仿真怎么搭：记录站点滞留人数来评估瓶颈

改完客流生成，你已经可以在 duringpw7 窗口里跑出高峰期客流了。但光看到站台人数不停涨还不够，你得记录数据才能看出哪些站是瓶颈。在主循环里加一段记录代码。

% 在 run.m 主循环里添加记录逻辑 peopleRecord = zeros(totalTime / dt, n); % 每时刻每站人数 for i = 1:n peopleRecord(timeIdx, i) = getRandSitePeopleNum(i, time); end % 仿真结束后统计每个站的最高滞留人数 [maxPeople, peakTimeIdx] = max(peopleRecord);

这段代码把每个时刻、每个站点的候车人数全存下来了。跑完 duringpw7 的仿真，那个 maxPeople 值最大的站点就是压力最大的站——如果它还是个换乘站，基本可以确认瓶颈出在运力配置而不是站点布局上。这个记录数组是你后面做运营策略对比的唯一依据。

5. 避坑与排查：MATLAB 跑这套代码最容易翻车的五个地方

5.1 load 找不到 mat 文件：路径没设对，报错一片红

现象：运行 main.m 直接报错，类似 “Unable to open file siteDistance.mat”，函数名还没开始跑就挂了。

原因：MATLAB 的工作目录不在代码所在文件夹，load 只能找当前路径和搜索路径下的文件。你从压缩包解压后如果没把当前文件夹切过去，直接双击 m 文件运行，路径就是错的。

解决：在 MATLAB 里先用 cd 切到解压目录，或者右键文件夹选择“添加到路径”。我习惯在 main.m 顶部写死这两行。

% main.m 顶部，强制切到脚本所在目录 cd(fileparts(mfilename('fullpath'))); addpath(pwd);

5.2 距离矩阵和坐标矩阵对不上：列车直接“飞”出底图

现象：画面里列车不在线上跑，而是跑到底图外或者沿着乱七八糟的折线跳动。

原因：siteDistance.mat 是 n×n，site_pos_x_y.mat 是 n×2，但这两个 n 不是同一个值。最常见的是 data.txt 你加了一个站点，坐标数组重新生成了，距离矩阵没重新生成；或者距离矩阵是旧的 5 站版本，坐标是新 6 站版本。

解决：先用第 2 章里的查看代码检查两个文件维度是否一致。不一致就重新生成 siteDistance.mat，不要手工改 mat 文件。

5.3 矩阵索引越界：updatePlotPosition 报 index exceeds matrix dimensions

现象：仿真跑到第几步突然报错，列车位置在站点之间，但索引却指到了 n+1 行。

原因：列车越过了最后一个站点还在继续累加里程，updatePlotPosition 里的 segment + 1 超过了 sitePos 的行数。这通常是因为线路终点没有设一个停站判断，或者最后一个区间的距离算错了。

解决：在主循环里加一个终止检查。列车的 pos 上限是线路总长，一旦 pos >= 总长就强制置为总长并结束本次运行。

if pos >= totalLineLength pos = totalLineLength; break; % 列车到终点，退出当前循环 end

5.4 循环里画面卡死：图形句柄没有复用，每一帧都是新画

现象：仿真能跑，但画图极慢，一秒的仿真时间在屏幕上要卡好几秒，甚至直接卡住没响应。

原因：不少初学者在 updatePlotPosition 里每次都调一遍 plot，而不是用 set 更新已有图形对象的 XData、YData。每帧创建一个新图形对象，几千帧下来内存里堆了几千条线，不卡才怪。

解决：在循环外先创建图形对象，用 h = plot(x, y, 'ro'); 拿到句柄，循环里只调 set(h, 'XData', x, 'YData', y)。这在 trainPositionDisplay 里是一个关键优化点。

% trainPositionDisplay.m 里用句柄更新位置，而不是重复 plot h = plot(0, 0, 'ro', 'MarkerSize', 10); % 只创建一次 % 进入循环后： set(h, 'XData', trainX, 'YData', trainY);

5.5 随机客流结果无法复现：每次仿真的乘客数都不一样

现象：同一套参数前后跑两次，仿真结果完全不同，想对比某两个运营方案的效果，根本分不清是方案差异还是随机波动。

原因：getRandSitePeopleNum 里用了 randi，而 MATLAB 的随机数种子每次启动都是不同的，等价的实验条件跑不出等价的数据。

解决：在 main.m 或 run.m 开头调用 rng 设置固定种子。这是我跑仿真实验前必做的一步。

rng(20240516); % 固定随机数种子，保证实验可复现

种子只要设一次，整个工作区的随机数序列就固定了。想换一组随机数据，改种子数字就行。这个习惯能帮你省掉大量“这个结论到底可不可信”的争论。

5.6 MAT 文件版本太新，老版本 MATLAB 读不了

现象：你用 MATLAB R2023a 保存的 siteDistance.mat，拿到 R2016a 上一跑，load 报错提示文件是 v7.3 格式无法读取。

原因：文件较大或用了高版本保存选项时，MATLAB 默认存成 HDF5 格式（v7.3），老版本不支持。

解决：save 的时候显式指定版本。我自己发的仿真代码包里通常会写成 save('siteDistance.mat', 'siteDistance', '-v7'); 这样在 R2010 以后的所有版本都能读，兼容性最好。

6. 进阶：把“看一眼”变成“留数据”，给你的仿真加个结果记录器

前面第 4 章提过在循环里记录站点人数，这里说一个更完整的做法：把列车位置、站台人数、当前速度一起记下来，仿真结束后导出 CSV。有了 CSV，你就可以用表格软件直接画曲线，不用每次都在 MATLAB 里重新跑图。

具体做法是开两个矩阵，一个记录时间序列数据，一个记录每站客流快照。列车位置、速度这些是时间步级别的数据，客流是站点级别的数据，两者维度不同，不要硬塞进同一个矩阵。

% run.m 里的数据记录器完整示例 simLen = floor(totalTime / dt); timeSeries = zeros(simLen, 3); % 第1列时间，第2列位置，第3列速度 peopleSnap = zeros(simLen, n); % 每一行是某时刻各站人数 idx = 0; while time < totalTime idx = idx + 1; v = getSpeed(time, pos); d = getDistance(v, dt); updatePosition(pos, d); timeSeries(idx, 1) = time; timeSeries(idx, 2) = pos; timeSeries(idx, 3) = v; for s = 1:n peopleSnap(idx, s) = getRandSitePeopleNum(s, time); end time = time + dt; end % 仿真结束导出 CSV T = array2table(timeSeries, 'VariableNames', {'TimeSec', 'PositionM', 'SpeedMps'}); writetable(T, 'train_position.csv'); P = array2table(peopleSnap, 'VariableNames', ... arrayfun(@(k) sprintf('Site_%d', k), 1:n, 'UniformOutput', false)); writetable(P, 'site_people.csv');

这里把每个时间步的位置和速度存成 train_position.csv，各站人数存成 site_people.csv。打开后你可以看到通过 duringpw7 时段仿真得到的客流曲线——如果某一条曲线在 18:00 前后冲高之后一直不回落，说明站台上的人持续积压，发车间隔就该加密了。

我从这套代码里学到最实在的一条，是无论项目多小，先跑一版固定客流、固定速度的基线数据，再叠加随机因素对比，永远比直接上随机参数更稳。那段时间我每次加模块都强制自己先跑一遍空载基线，再开始加线路、加客流。后来做别的仿真项目，这个习惯也一直留着，省过不少跟数据打架的时间。希望帮到你。

本文还有配套的精品资源，点击获取