predict_amber_onset — DRIVE decide op

• 数据种类:table → table

• 调用: import fullseye as fs; fs.ledger.predict_amber_onset(observations, *, flash_duration: 'Optional[float]' = None, crossing_length: 'Optional[float]' = None, walk_speed: 'float' = 1.0, ped_red_to_amber: 'float' = 2.0, t_now: 'Optional[float]' = None) -> 'Dict[str, object]'(要直接调用实现,import drivedecide; drivedecide.predict_amber_onset(observations, *, flash_duration: 'Optional[float]' = None, crossing_length: 'Optional[float]' = None, walk_speed: 'float' = 1.0, ped_red_to_amber: 'float' = 2.0, t_now: 'Optional[float]' = None) -> 'Dict[str, object]';从台账取用则 opsdrive.get("predict_amber_onset"))

用法

由并行行人信号灯的观测(按时间顺序的 (t, state)，state ∈ green / flash / red)估计车辆黄灯的开始。

F = flash_duration(若无则为 crossing_length / walk_speed),Δ = ped_red_to_amber。对每次观测到的切换(green→flash、flash→red)构造包含黄灯时刻的区间,并取其交集:

green→flash(最后的 green t_g、最初的 flash t_f): 黄 ∈ [t_g + F + Δ, t_f + F + Δ]

flash→red (最后的 flash t_f'、最初的 red t_r): 黄 ∈ [t_f' + Δ, t_r + Δ]

返回值: amber_onset(区间的中点)、lo / hi、half_width(误差的上限)、remaining = amber_onset − t_now(默认 = 最后的观测时刻)、basis(所用的切换)。若连一次切换都没有则 ValueError(仅仅是绿灯持续,无法得知"何时开始闪烁")。区间为空(观测与 F、Δ 矛盾)也是 ValueError。

参考(示例数据、文献)

• 示例数据目录(下载 URL / 许可证) —— 2-D 用 skimage.data(BSD/公有领域)加合成图,3-D 给出真实数据源(Stanford/PDS 等)的下载 URL。

• 算子来历与参考文献 —— 该算子族所依据的研究/方法出处。

• 算法的正典(作者、年份)与用途见上面的族使用指南。

可运行的示例(实际调用该算子并已验证的样例)

• poc_driving_decisions — py -3.11 examples/poc_driving_decisions.py

类型可衔接的下一个算子(可接受 table 作为输入)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

同类别(decide)

mirror_reflection_matrix · mirror_virtual_camera · mirror_aim_normal · convex_mirror_fov · mirror_blind_zone · check_sequence_score · signal_phase_plan · signal_state

*Provenance: drivedecide.py — DRIVE 算子登记表。本条目由 tools/opdocs.py md 自动生成(请勿手工编辑)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.