traffic op• 데이터 종류: 없음 → signal(인자만으로 정해지는 연산자 —— 이미지나 데이터 입력을 받지 않습니다)
• 호출: import fullseye as fs; fs.ledger.lateral_wobble(n: 'int', dt: 'float', *, theta: 'float', sigma: 'float', seed: 'Optional[int]', x0: 'Optional[float]' = None) -> 'np.ndarray'(구현을 직접 호출하려면 import drivetraffic; drivetraffic.lateral_wobble(n: 'int', dt: 'float', *, theta: 'float', sigma: 'float', seed: 'Optional[int]', x0: 'Optional[float]' = None) -> 'np.ndarray', 원장에서 가져오려면 opsdrive.get("lateral_wobble"))
Ornstein–Uhlenbeck 과정 dX = −θ X dt + σ dW의 엄밀한 이산화(길이 n의 열, 스텝 dt).
x_{k+1} = x_k e^{−θ dt} + σ sqrt((1 − e^{−2θ dt}) / (2θ)) ξ_k, ξ_k ~ N(0, 1) 독립
전이 분포가 엄밀하므로 dt 와 관계없이 정상 분산은 σ²/(2θ), 자기상관 corr(x_k, x_{k+j}) = e^{−θ j dt}(게이트는 긴 계열의 표본으로, 허용 폭은 AR(1) 의 표본 오차로 정한다). x0 = None 이면 정상 분포 N(0, σ²/(2θ)) 에서 뽑는다(처음부터 정상). seed 는 np.random.default_rng(seed)(None 도 가능하지만 비결정적).
Raises ValueError: n < 1, dt ≤ 0, θ ≤ 0, σ < 0.
• 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
signal 를 입력으로 받는 것)flight_vacuum · magnus_lift_coefficient · drag_coefficient_sphere · restitution_from_apexes · restitution_from_intervals · fit_parabola · flight_fit · fit_aero
traffic)idm_accel · idm_equilibrium_gap · idm_platoon_simulate · driver_style · ou_estimate · social_force_step · pedestrian_crossing · occlusion_reveal_distance
*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.