शुरू करेंमुफ़्त में शुरू करें

ट्रांसपोर्टेशन मॉडल: मॉडल इनपुट परिभाषित करना

आइए सब कुछ जोड़कर मॉडल के सभी कॉम्पोनेंट्स बनाते हैं.

आपसे शिकागो शहर के ट्रैफिक फ्लो में सुधार के लिए ट्रैफिक लाइट्स को ऑप्टिमाइज़ करने के लिए कहा गया है. ऐसी स्थितियों में डिस्क्रीट-इवेंट मॉडल उपयोगी होता है.

पहला कदम है चौराहों के बीच सड़कों की औसत लंबाई मापना. आपने निष्कर्ष निकाला कि औसतन यह 100 मीटर है, और इसका मानक विचलन लगभग 20 मीटर है. इसका अर्थ है कि एक ड्राइवर को हर 80-120 मीटर पर एक ट्रैफिक लाइट मिलने की उम्मीद है.

शिकागो में स्पीड लिमिट 30 mph (लगभग 50 km/h) है. शहर के अधिकारियों ने आपको बताया कि औसतन, लाइट अधिकतम 90 सेकंड तक लाल रहती है. अपने मॉडल के इनपुट्स और आउटपुट्स परिभाषित करके शुरुआत कीजिए.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में Discrete Event Simulation

पाठ्यक्रम देखें

अभ्यास निर्देश

  • inputs["Dist_between_intersections_m"] ऐरे का mean और standard deviation सेट करें.
  • RandomGener["Distance"] मान जनरेट करने के लिए Gaussian वितरण लागू करें.
  • RandomGener["WaitTime"] के लिए पूर्णांक जनरेट करने हेतु कोई रैंडम मेथड लागू करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# Define the model inputs
inputs = {"Dist_between_intersections_m": [____, ____],
    	  "Speed_limit_ms": 50 * 1000 / (60 * 60),
          "Max_waitTime_traffic_lights_sec": 90}
random_generated = {"Distance": [], "WaitTime": []}

for i in range(5000):
	# Use the random package to generate pseudo-random values
    random_generated["Distance"].append(random.____(inputs['Dist_between_intersections_m'][0],inputs['Dist_between_intersections_m'][1]))
    random_generated["WaitTime"].append(random.____(0, inputs['Max_waitTime_traffic_lights_sec']))

# Plot the randomly generated distance "events"
plt.hist(random_generated["Distance"], bins=100)
plt.xlabel('# Events')
plt.ylabel('# Distance travelled (m)')
plt.show()
कोड संपादित करें और चलाएँ