Transportmodel: procesmethoden definiëren

Nu je de invoer voor het model hebt gedefinieerd, kun je de modelengine maken. Die bestaat uit de methoden die je processen kenmerken.

Twee processen beïnvloeden de tijd die een bestuurder nodig heeft om een bepaalde afstand af te leggen: (1) de daadwerkelijke rijtijd om de gewenste afstand af te leggen met inachtneming van de snelheidslimiet en (2) de wachttijd bij verkeerslichten.

Deze oefening maakt deel uit van de cursus

Discrete Event Simulation in Python

Bekijk cursus

Oefeninstructies

Gebruik de Gaussische verdeling om pseudo-willekeurig waarden te genereren voor random_generated["Distance"].
Werk distance_total bij door de nieuw berekende afstand toe te voegen.
Genereer gehele willekeurige waarden voor random_generated["WaitTime"].

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

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

Code bewerken en uitvoeren