车库模拟器 - 生成随机泊松分布

Question

下面是我正在构建的汽车车库模拟器的代码。我坚持的是，能够生成汽车开到某个车库 (garage1) 直到那个车库满了，然后生成的汽车开到第二个车库。因为我希望我的模拟按时随机工作。我必须使用某种泊松分布以某种方式生成汽车。但是，如果第一个车库很忙，我似乎无法获得有关如何生成它们并让它们移动到另一个的灵感。（在这里，我只有一个车库，这是目标） class People(object):       def __init__(self,c,xpos,ypos,speed,xgoal,ygoal):           self.c=c           self.xpos=xpos           self.ypos=ypos           self.speed=speed           self.xgoal=xgoal           self.ygoal=ygoal      def show(self):          #stroke(0)          fill(self.c)          rectMode(CENTER)          rect(self.xpos,self.ypos,20,10)    def drive(self):        self.xpos=self.xpos + (self.xgoal - self.xpos)*0.05 * self.speed        self.ypos=self.ypos + (self.ygoal - self.ypos)*0.05 * self.speed    person1=People(color(255,0,0),35,280,1,120,10)    person2=People(color(0,255,0),60,280,1,300,15)def setup():    size(450,320)def draw():    person1.show()    person1.drive()    person2.show()    person2.drive()

Answer 1

Numpy 可以从泊松分布中随机抽取样本。对于给定的均值和样本数量，您可以使用

import numpy as np

mean = 5

N = 100

samples = np.random.poisson(lam=mean, size=N)

Answer 2

对您标题中问题的纯 Python 答案（这似乎与您的整体问题仅松散相关）：

import random, math

def poisson(rate):

     t = 0

     count = 0

     while t < 1:

          t -= math.log(random.random())/rate

          count += 1

     return count - 1

此答案使用的事实是，如果事件以一定速率以指数分布的到达间隔时间到达，则给定时间单位内的到达次数以相同的速率遵循泊松分布。虽然它不会像 numpy 解决方案那么快，但它仍然相当快。我能够在不到一秒的时间内以 rate = 10 生成 100,000 个样本。