Model transportowy: definiowanie metod procesów
Teraz, gdy zdefiniowano dane wejściowe modelu, możesz przystąpić do tworzenia silnika modelu, czyli metod opisujących poszczególne procesy.
Na czas przejazdu danego kierowcy na określonym dystansie wpływają dwa procesy: (1) rzeczywisty czas jazdy na wybranym odcinku z uwzględnieniem ograniczenia prędkości oraz (2) czas oczekiwania na światłach.
To ćwiczenie jest częścią kursu
Symulacja zdarzeń dyskretnych w Pythonie
Instrukcje do ćwiczenia
- Użyj rozkładu Gaussa, aby pseudolosowo wygenerować wartości dla
random_generated["Distance"]. - Zaktualizuj
distance_total, dodając nowo obliczony dystans. - Wygeneruj losowe wartości całkowite dla
random_generated["WaitTime"].
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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