Транспортна модель: визначення методів процесів
Тепер, коли ви визначили вхідні дані моделі, можна створити «двигун» моделі — набір методів, які описуватимуть ваші процеси.
На час, за який певний водій долає задану відстань, впливають два процеси: (1) фактичний час руху для подолання потрібної відстані з дотриманням обмеження швидкості та (2) час очікування на світлофорах.
Ця вправа є частиною курсу
Дискретно-подієве моделювання в Python
Інструкції до вправи
- Скористайтеся нормальним (гаусовим) розподілом, щоб псевдовипадково згенерувати значення для
random_generated["Distance"]. - Оновіть
distance_total, додавши новообчислену відстань. - Згенеруйте цілі випадкові значення для
random_generated["WaitTime"].
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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