交通モデル：プロセスメソッドの定義
モデル入力を定義できたので、次はプロセスの特徴づけを行うメソッド群、すなわちモデルエンジンを作成します。
ドライバーがある距離を移動するのにかかる時間には、次の2つのプロセスが影響します。(1) 制限速度を守って目的の距離を走行する実際の走行時間、(2) 信号待ちの待ち時間です。
この演習はコースの一部です
Pythonで学ぶ離散事象シミュレーション
演習の手順
- ガウス分布を使って、
random_generated["Distance"]の値を疑似乱数で生成します。 - 新しく計算した距離を加算して、
distance_totalを更新します。 random_generated["WaitTime"]に対して整数の乱数を生成します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
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