traffic op• 数据种类:无 → table(仅由参数决定的算子 —— 不接受图像或数据输入)
• 调用: 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]'(要直接调用实现,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]';从台账取用则 opsdrive.get("passing_simulate"))
按时间推进模拟 "go" 的情形，返回 PET(本车完全驶回本车道的时刻与对向来车到达该地点时刻之差)。
与闭式解独立的路径:把本车的 横向位置 在 x_in〜x_out 之间设为对向车道(y = 1),越过 x_out 后按 y(τ) = 1 − smoothstep(τ / T_lc)(τ = 越过 x_out 后的时间)返回,以步长 dt 推进,找到 y 变为 0 的那一步, 在该步内用二分法逼近得到的时刻作为完全返回时刻(T_lc = 0 时为越过 x_out 的时刻)。对向车从 x = D 以 −v_on 前进,找到经过完全返回地点的那一步并线性插值。v_on = 0 时 PET = inf。
v_obstacle > 0:障碍物前端之外(x_out)也以 v_obstacle 前进(超越行驶中的自行车)。
返回 dict:t_clear、x_clear、t_oncoming(对向车到达 x_clear 的时刻)、pet。
• 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.