traffic op• 数据种类:any → table
• 调用: import fullseye as fs; fs.ledger.importance_risk_estimate(simulate_fn: 'Callable', base_rate: 'Callable', boosted_rate: 'Callable', n_runs: 'int', seed, *, x_max: 'float', boosted_rate_max: 'float', n_grid: 'int' = 20001) -> 'Dict[str, float]'(要直接调用实现,import drivetraffic; drivetraffic.importance_risk_estimate(simulate_fn: 'Callable', base_rate: 'Callable', boosted_rate: 'Callable', n_runs: 'int', seed, *, x_max: 'float', boosted_rate_max: 'float', n_grid: 'int' = 20001) -> 'Dict[str, float]';从台账取用则 opsdrive.get("importance_risk_estimate"))
以提高出现率的试验(速率 λ')使事故更容易发生，再用似然比权重换算回原速率 λ 下的事故概率。
一次试验 = 用 poisson_events(boosted_rate) 抽取出现位置 x_1..x_N,若 simulate_fn(events, rng) 判定为事故则为 1 (bool 或 [0, 1] 的值)。权重(泊松过程的 Radon–Nikodym 导数 dP_λ/dP_λ'):
w = Π_i λ(x_i)/λ'(x_i) · exp(−(Λ − Λ')), Λ = ∫λ, Λ' = ∫λ'(梯形,n_grid 点)
估计 p̂ = mean(w · Y),标准误差 = std(w · Y)/sqrt(n)。若令 boosted_rate 与 base_rate 相同,则 w ≡ 1, 即朴素蒙特卡洛(门中与此、以及事故概率有闭式解的 simulate_fn 进行比较)。若存在 λ > 0 而 λ' = 0 的位置,估计会有偏(非绝对连续),因此在格点上检查并引发 ValueError。
返回 dict: estimate, std_error, per_run_var(w·Y 的样本方差)、n_runs, Lambda, Lambda_boost, mean_weight(应 ≈ 1。权重的健全性)、ess(有效样本数 (Σw)²/Σw²)、hits(Y > 0 的次数)。
• 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。
• poc_driving_traffic — py -3.11 examples/poc_driving_traffic.py
table 作为输入)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 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.