Model dopravy: definování procesních metod
Teď, když máš definované vstupy modelu, je čas vytvořit jeho jádro – tedy metody, které budou charakterizovat jednotlivé procesy.
Dobu, za kterou řidič urazí danou vzdálenost, ovlivňují dva procesy: (1) skutečná doba jízdy odpovídající požadované vzdálenosti při dodržení rychlostního limitu a (2) čekací doba na semaforech.
Toto cvičení je součástí kurzu
Diskrétní simulace událostí v Pythonu
Pokyny k cvičení
- Pomocí Gaussova rozdělení pseudonáhodně generuj hodnoty pro
random_generated["Distance"]. - Aktualizuj
distance_totalpřičtením nově vypočítané vzdálenosti. - Generuj náhodné celočíselné hodnoty pro
random_generated["WaitTime"].
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
def road_travel(inputs, distance_total):
# Use the Gaussian method to generate distance values
distance = ____.____(inputs['Dist_between_intersections_m'][0], inputs['Dist_between_intersections_m'][1])
# Update the total distance
distance_total += ____
return distance, distance_total
def wait_traffic_light(inputs, distance_total):
# Generate random (integer) waiting times
waitTime_traffic_light_sec = ____.____(0, inputs['Max_waitTime_traffic_lights_sec'])
return waitTime_traffic_light_sec