def simulacion(tmax, smax, dt, lambd, params, paramsInho):
ids = 0
numt = np.arange(0, tmax, dt).size + 1
nums = np.ceil(smax/(params[0] + params[4]))
Nmax = int(np.ceil(tmax*lambd)) #Nº máximo de posibles llegadas
arrivaltimes = getLlegadas(Nmax, dt, lambd)
llegadas = np.zeros((numt))
stv_gt = np.zeros((numt*nums*lambd,5))
A = np.array([[-1, 1000000, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]])
j = 0
k = 0
account = 0
ta = arrivaltimes[account]
complete = False
times = np.linspace(0,tmax,numt)
for t in times:
#Llegadas Poissonianas, parámetro lambda
if ta <= t and (not complete):
account += 1
if account <= (len(arrivaltimes) - 1): #Nuevo tiempo de acceso
ta += arrivaltimes[account]
else:
complete = True
if (np.size(A,0) == 1): #Primer Vehículo
A = np.vstack((np.array([[ids, 0, t, params[5], 0, A[0,1], 0, params[0], params[1], params[5], params[2], params[3], params[4]]]), A))
llegadas[k] = 1
elif (A[0,1] > (params[0] + params[4])): # Resto de vehículos
ids += 1
v_temp = vin(A[0,3],A[0,1]-params[4], params)
A = np.vstack((np.array([[ids, 0, t, v_temp, 0, A[0,1]- params[4], v_temp-A[0,3], params[0], params[1], params[5], params[2], params[3], params[4]]]), A))
llegadas[k] = 1
k += 1
#Paso de simulación
A = TM.idm(A, dt)
# print A
#Inhomogeneidad Timehead (T)
I1 = A[:,1] > paramsInho[2];
A[I1,8] = np.minimum(Tin(A[I1,1], paramsInho),paramsInho[3])
#Elimina coches de la carretera cuando alcanzan el final
A = A[np.logical_or(A[:,1] <= smax, A[:,0] < 0),:]
#Guarda en el campo
stv_gt[j:j+np.size(A,0)-1,:] = A[0:-1,0:5]
j = j+np.size(A,0) - 1
return stv_gt
def getFitness(self, overallSignalProgramms,vehcleInputs,HGVInputs):
#x = self.bin2int(self.bits)
#print 'x', x
#exec(expr)
#self.fitness = y
#print 'y', y
weightFactorForWaitingTime = 0
weightFactorForStops = 1
self.decode(overallSignalProgramms)
#print 'call Traffic Models>>'
(overallWaitingTime, overallStops) = TrafficModels.maintest(self.tobeEvaluatedSps,vehcleInputs,HGVInputs)
self.fitness = -overallWaitingTime*weightFactorForWaitingTime - weightFactorForStops*overallStops
def simulacion(tmax, smax, dt, lambd, params, paramsInho):
numt = int(mt.ceil(tmax/dt + 1)) #Nº máximo de iteracciones
Nmax = int(mt.ceil(tmax*lambd)) #Nº máximo de posibles llegadas
#Obtener las llegadas Poissonianas
arrivaltimes = getLlegadas(Nmax, dt, lambd)
llegadas = [] # Para tener un registro de las llegadas a la vía
stv_gt = [] #lista de listas, contiene toda los estados de los vehículos mientras están circulando por el tramo de la vía, ordenada en tiempo
A = {} #Hash, estructura de datos de la simulación, Key(id) -> últimos valores del vehículo
#A [id, s, t, v, a, Dx, Dv, s0, T, v0, a, ab, l]
A[-1] = [-1, 1000000, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
ids = -1
deletes = 0
account = 0
ta = arrivaltimes[account] #Tiempo de llegada del primer vehículo
complete = False
la = 0 #Contador de vehículos eliminados
for n in range(numt):
t = dt * n
#Añadir un nuevo vehículo
if ta <= t and (not complete):
account += 1
if account <= (len(arrivaltimes) - 1): #Nuevo tiempo de acceso
ta += arrivaltimes[account]
else:
complete = True
if (len(A) == 1): #Primer Vehículo
ids += 1
A[ids] = [ids, 0, t, params[5], 0, A[-1][1], 0, params[0], params[1], params[5], params[2], params[3], params[4]]
llegadas.append(1)
elif A[ids][1] > (params[0] + params[4]): # Resto de vehículos
ids += 1
v_temp = vin(A[ids - 1][3],A[ids - 1][1]-params[4], params)
A[ids] = [ids, 0, t, v_temp, 0, A[ids - 1][1]- params[4], v_temp-A[ids - 1][3], params[0], params[1], params[5], params[2], params[3], params[4]] #mantiene el id para que en la impresión podamos identificarlo
llegadas.append(1)
else:
llegadas.append(0)
la += 1
else:
llegadas.append(0)
#Paso de simulacion
A = TM.idm(A, dt, deletes)
for i in range(len(A) -1 + deletes): #-1 por el vector dummies
#Inhomogeneidad Timehead (T)
if (i >= deletes):
if ((A[i][1] > paramsInho[2]) and (A[i][8] < paramsInho[3])):
#Para evitar que tras haber pasado sih +lih siga haciendo esta comparacion ya que es constante
A[i][8] = min(Tin(A[i][1], paramsInho),paramsInho[3])
#Elimina coches de la carretera cuando alcanzan el final
if (A[i][1] >= smax):
del A[i]
deletes = i+1
#Guarda en el campo
if (i >= deletes):
#Necesario para que no se sobreesbriba el valor en la función idm ya que modificamos el valor al que apunta, por tanto se modifica también el valor de stv_gt
p = [A[i][0],A[i][1],A[i][2],A[i][3], A[i][4]]
stv_gt.append(p)
return stv_gt
