Modelul de transport: definirea metodelor de proces

Acum că ai definit intrările modelului, ești pregătit să creezi motorul modelului, care constă în metodele ce vor caracteriza procesele tale.

Două procese influențează timpul pe care un șofer îl petrece parcurgând o anumită distanță: (1) timpul efectiv de condus pentru a parcurge distanța dorită, respectând limita de viteză, și (2) timpul de așteptare la semafoare.

Acest exercițiu face parte din cursul

Simulare de evenimente discrete în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Folosește distribuția gaussiană pentru a genera pseudo-aleatoriu valori pentru random_generated["Distance"].
Actualizează distance_total adăugând noua distanță calculată.
Generează valori întregi aleatorii pentru random_generated["WaitTime"].

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

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

Editează și rulează codul