gipps + pipes

gipps/gipps.py

@@ -0,0 +1,122 @@
+import numpy as np
+import matplotlib.pyplot as plt
+import time
+from colour import Color
+
+# ===========
+t0 = 0
+tf = 30
+dt = 1
+t = t0
+# ===========
+nbv = 2
+
+"""# ===========       VARIABBLES
+Xn(t) # position au temps t
+Vn(t) # vitesse au temps t
+An(t+Tr) # accel au temps t + Tr
+ln # ?
+k # ?
+m # ?
+"""
+
+# ===========       CONSTANTES
+An = 1.7 # accel max                                          sampled from a normal distribution. N(1.7,0.3²) m/s²
+Bn = -2 * An # frein max                                          equated to - 2An
+Sn =  6.5 # taille de la voiture plus marge                    sampled from a normal distribution. N(6.5,0.3²) m
+Vd = 20.0 # vitesse désirée                                    sampled from a normal distribution. N(20.0,3.2²) m/sec
+# X*n # position fin de freinage (calculable)
+Tr = 2/3 + (2/3)/2 # temps de réaction + sûreté                 (= tau + θ = 2/3 + tau/2)
+# B supposé égal à Bn-1 (si pas égal alors amplifications ??)
+
+
+def rainbow_gradient(num_colors):
+    colors = []
+    base_color = Color("violet")
+    gradient = list(base_color.range_to(Color("red"), num_colors))
+    for color in gradient:
+        hex_code = color.hex_l
+        colors.append(hex_code)
+    return colors
+colors = rainbow_gradient(nbv)
+
+def px(xx):             # Avance au cours du temps
+    xx += 1
+    return xx
+
+def vitesseatt(t, yy):       # Vitesse qu'il peut réellement atteindre d'un point de vue dynamique
+
+
+
+    Vnt = yy[-1]
+    
+    value = Vnt + 2.5 * An * Tr * ( 1 - (Vnt/Vd) ) * np.sqrt( ( 0.025 + (Vnt/Vd) ))
+    print('value: ', value)
+
+    yy[0] = value
+    newyy = yy
+    print('newyy: ', newyy)
+    return newyy
+    
+
+def vitesseadop(t, yy):      # Vitesse qu'il est possible d'adopter en connaissant les contraintes de sécurité liées à la présence du véhicule leader
+    t = t + Tr
+    pass
+
+def vitessereelle(t, yyold):    # Vitesse du véhicule
+    print(len(yy))
+    t = t + Tr
+    if (t>= 0) and (t<=10):
+        yy[-1] = 0              # Arrêt du leader
+    elif (t>= 15) and (t<=20):
+
+    else:
+        yy[-1] = Vd           # Leader avance normalement
+
+
+# a = np.where(t <= 10, (Umax - Umin) / 10, - (Umax - Umin) / 10)
+# vt = np.where(t <= 10, Umin + a * t, Umax + 2 * a * (t - 10))
+
+
+
+
+    vatt = vitesseatt(t, yyold)
+    vadop = vitesseadop(t, yyold)
+    # return min(vatt, vadop)
+    return vatt
+
+
+xxbase = np.linspace(-nbv, -1, nbv)
+yybase = np.linspace(0, 0, nbv)
+
+xxold = xxbase.copy()
+yyold = yybase.copy()
+
+while(t<tf):
+    plt.figure(1,figsize=[16,9])
+    plt.clf()
+    plt.xlim([-1,31])
+    plt.ylim([-0.5, Vd+1])
+    
+    
+    xx = px(xxold)
+    print('xx: ', len(xx))
+
+    yy = vitessereelle(t, yyold)
+    print('yyold: ', len(yyold))
+    print('yy: ', len(yy))
+
+    
+    plt.scatter(xx, yy, c=colors)
+
+
+    plt.plot([0,30],[Vd, Vd], color='k', linestyle='-', linewidth=1)
+    plt.xlabel('temps en s')
+    plt.ylabel('vitesse en m.s-¹')
+    plt.title('Vitesse maximale désirée\nvitesse du leader : ' + str(Vd) + 'm.s-¹\ndistance minimale entre deux voitures : ' + str('') + 'm\n\nTemps : ' + str(t))
+    plt.draw()
+    # plt.savefig(str(t)+'.png')
+    plt.pause(1)
+    t += dt
+    xxold = xx.copy()
+    yyold = yy.copy()

gipps/graph.py

@@ -0,0 +1,43 @@
+import numpy as np
+import matplotlib.pyplot as plt
+
+# ===========       CONSTANTES
+An = 1.7 # accel max                                          sampled from a normal distribution. N(1.7,0.3²) m/s²
+Bn = -2 * An # frein max                                          equated to - 2An
+Sn =  6.5 # taille de la voiture plus marge                    sampled from a normal distribution. N(6.5,0.3²) m
+Vd = 20.0 # vitesse désirée                                    sampled from a normal distribution. N(20.0,3.2²) m/sec
+# X*n # position fin de freinage (calculable)
+Tr = 2/3 + (2/3)/2 # temps de réaction + sûreté                 (= tau + θ = 2/3 + tau/2)
+# B supposé égal à Bn-1 (si pas égal alors amplifications ??)
+
+
+vv = np.linspace(0, 100, 200)
+
+def vitesseatt(vv):       # Vitesse qu'il peut réellement atteindre d'un point de vue dynamique
+    value = vv + 2.5 * An * Tr * ( 1 - (vv/Vd) ) * np.sqrt( ( 0.025 + (vv/Vd) ))
+    return value
+    
+
+def vitesseadop(vv):      # Vitesse qu'il est possible d'adopter en connaissant les contraintes de sécurité liées à la présence du véhicule leader
+    value = 1
+    return value
+
+def vitessereelle(vv):      # Vitesse maximale désirée
+    vatt = vitesseatt(vv)
+    vadop = vitesseadop(vv)
+    return min(vatt, vadop)
+
+plt.figure(figsize=[16,9])
+
+
+plt.plot(vv, vitesseatt(vv), '-', color='red', label='No mask')
+# plt.plot(vv, vitesseadop(vv), '-', color='green', label='No mask')
+
+
+plt.legend()
+plt.title('Variation de la vitesse de la voiture suivant en fonction de la voiture leader')
+plt.xlabel('vitesse de la voiture leader en m.s-¹')
+plt.ylabel('vitesse de la voiture qui suit en m.s-¹')
+plt.savefig('gipps/graph.png')
+plt.draw()  
+plt.pause(4)