traffic op• 資料種類:無 → table(僅由參數決定的運算子 —— 不接受影像或資料輸入)
• 呼叫: 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]'(要直接呼叫實作,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]';從台帳取用則 opsdrive.get("passing_simulate"))
依時間推進模擬 "go" 的情形，回傳 PET(本車完全駛回本車道的時刻與對向來車到達該地點時刻之差)。
與閉式解獨立的路徑:把本車的 橫向位置 在 x_in〜x_out 之間設為對向車道(y = 1),越過 x_out 後按 y(τ) = 1 − smoothstep(τ / T_lc)(τ = 越過 x_out 後的時間)返回,以步長 dt 推進,找到 y 變為 0 的那一步, 在該步內以二分法逼近得到的時刻作為完全返回時刻(T_lc = 0 時為越過 x_out 的時刻)。對向車從 x = D 以 −v_on 前進,找到經過完全返回地點的那一步並線性內插。v_on = 0 時 PET = inf。
v_obstacle > 0:障礙物前端之外(x_out)也以 v_obstacle 前進(超越行駛中的自行車)。
回傳 dict:t_clear、x_clear、t_oncoming(對向車到達 x_clear 的時刻)、pet。
• 範例資料目錄(下載 URL / 授權) —— 2-D 用 skimage.data(BSD/公有領域)加合成圖,3-D 給出真實資料源(Stanford/PDS 等)的下載 URL。
• 運算子來歷與參考文獻 —— 該運算子族所依據的研究/方法出處。
• 演算法的正典(作者、年份)與用途見上面的族使用指南。
• poc_driving_traffic — py -3.11 examples/poc_driving_traffic.py
table 作為輸入)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 運算子登記表。本條目由 tools/opdocs.py md 自動產生(請勿手動編輯)。*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.