Modèle de transport : définir les méthodes de processus
Maintenant que vous avez défini les paramètres d'entrée du modèle, vous êtes prêt à créer le moteur du modèle, qui regroupe les méthodes décrivant vos processus.
Deux processus influencent le temps qu'un conducteur met pour parcourir une certaine distance : (1) le temps de conduite réel pour parcourir la distance voulue en respectant la limite de vitesse et (2) le temps d'attente aux feux de circulation.
Cette activité fait partie du cours
Simulation d'événements discrets en Python
Instructions de l’exercice
- Utilisez la distribution gaussienne pour générer de façon pseudo-aléatoire des valeurs pour
random_generated["Distance"]. - Mettez à jour
distance_totalen y additionnant la nouvelle distance calculée. - Générez des valeurs entières aléatoires pour
random_generated["WaitTime"].
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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