Modello di trasporto: definizione dei metodi di processo
Ora che hai definito gli input del modello, sei pronto a creare il motore del modello, che è composto dai metodi che caratterizzeranno i tuoi processi.
Due processi influenzano il tempo che un determinato conducente impiega per percorrere una certa distanza: (1) il tempo effettivo di guida per percorrere la distanza desiderata rispettando il limite di velocità e (2) il tempo di attesa ai semafori.
Questo esercizio fa parte del corso
Simulazione a eventi discreti in Python
Istruzioni dell'esercizio
- Usa la distribuzione gaussiana per generare pseudo-casualmente i valori di
random_generated["Distance"]. - Aggiorna
distance_totalaggiungendo la nuova distanza calcolata. - Genera valori interi casuali per
random_generated["WaitTime"].
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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