traffic op• 데이터 종류: 없음 → table(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)
• 호출: import fullseye as fs; fs.ledger.passing_simulate(dist_oncoming: 'float', parked_len: 'float', margin_front: 'float', margin_back: 'float', v_ego: 'float', v_oncoming: 'float', *, lane_change_time: 'float', ego_length: 'float' = 0.0, dt: 'float' = 0.01, v_obstacle: 'float' = 0.0) -> 'Dict[str, float]'(구현을 직접 호출하려면 import drivetraffic; drivetraffic.passing_simulate(dist_oncoming: 'float', parked_len: 'float', margin_front: 'float', margin_back: 'float', v_ego: 'float', v_oncoming: 'float', *, lane_change_time: 'float', ego_length: 'float' = 0.0, dt: 'float' = 0.01, v_obstacle: 'float' = 0.0) -> 'Dict[str, float]', 원장에서 가져오려면 opsdrive.get("passing_simulate"))
"go"로 한 경우를 시간을 진행시켜 주행시키고 PET(자차가 대향 차로에서 완전히 돌아온 시각과 대향차가 그 지점에 도착하는 시각의 차)를 반환합니다.
닫힌 형식과 독립적인 경로: 자차의 가로 위치 를 x_in〜x_out 사이에서는 대향 차로(y = 1), x_out 을 지나면 y(τ) = 1 − smoothstep(τ / T_lc)(τ = x_out 을 지난 뒤의 시간)로 되돌린다고 하고 간격 dt 로 진행하여, y 가 0 이 된 간격을찾고 그 간격 안을 이분법으로 좁힌 시각을 완전히 돌아온 시각으로 한다(T_lc = 0 이면 x_out 을 지난 시각). 대향차는 x = D 에서 −v_on 으로 진행시키고, 완전히 돌아온 지점을 지나는 간격을 찾아 선형 보간한다. v_on = 0 이면 PET = inf.
v_obstacle > 0: 장애물 앞끝의 바깥(x_out)도 v_obstacle 로 나아간다(달리는 자전거의 추월).
반환 dict: t_clear, x_clear, t_oncoming(대향차가 x_clear 에 도착하는 시각), pet.
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_driving_traffic — py -3.11 examples/poc_driving_traffic.py
table 를 입력으로 받는 것)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
traffic)idm_accel · idm_equilibrium_gap · idm_platoon_simulate · driver_style · lateral_wobble · ou_estimate · social_force_step · pedestrian_crossing
*Provenance: drivetraffic.py — DRIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.