java程序制作红绿灯_学习笔记-java编程-交通灯管理器设计流程。

先抛出需求:

异步随机生成按照各个路线行驶的车辆。

例如:

由南向而来去往北向的车辆 ---- 直行车辆

由西向而来去往南向的车辆 ---- 右转车辆

由东向而来去往南向的车辆 ---- 左转车辆

。。。

信号灯忽略黄灯,只考虑红灯和绿灯。

应考虑左转车辆控制信号灯,右转车辆不受信号灯控制。

具体信号灯控制逻辑与现实生活中普通交通灯控制逻辑相同,不考虑特殊情况下的控制逻辑。

注:南北向车辆与东西向车辆交替放行,同方向等待车辆应先放行直行车辆而后放行左转车辆。

每辆车通过路口时间为1秒(提示:可通过线程Sleep的方式模拟)。

随机生成车辆时间间隔以及红绿灯交换时间间隔自定,可以设置。

不要求实现GUI,只考虑系统逻辑实现,可通过Log方式展现程序运行结果。

这里使用面对对象的思想对问题进行解析

首先对路口车辆路线进行建模,发现有12条路线

其中可以分为三组:

由南向而来去往北向的车辆和其相对方向 ---- 直行车辆

由西向而来去往南向的车辆和其相对方向 ---- 右转车辆

由东向而来去往南向的车辆和其相对方向 ---- 左转车辆

其中,右转车辆又是不受红绿灯控制的,可以理解为所有右转车辆路线绿灯为常亮状态。

而红绿灯中绿灯(亮)  红灯(不亮)可以利用灯亮不亮这样来表示。

现在设计路线的模型Road,

总共12条路线,所以要实现12个类。基础模型为,设计一条线程,随机的时间内增加一辆车到集合中,

再设计一条线程每隔一秒种检查一次红绿灯,若为绿灯(亮),则从路线车辆集合中删除第一个元素,视为该车通过路口。

路线的模型设计完毕。

设计交通灯模型Lamp。

这里交通灯是对应于每一条路线的,所以要设计12个来对应路线。但是路线是固定的,所以交通灯可以设计为枚举类型。

总共有12个元素。

每隔交通灯实例对象里要有 灯亮的标志位:lighted

获取标志位的方法:islighted()

控制灯亮的方法:light()

控制灯灭的方法:breakOut()

这里我们可以根据上面分析的三组情况,把交通灯分为三组

我们只要控制四个方向的交通灯就可以了,其中右转的灯是常亮的,所以可以设置light为true

由南向北,由南向西,由东向西,由东向南,只要控制这四个方向的灯,就可以控制对应相对方向的灯,因为相对方向的灯都是相同状态的。

所以这里就可以设置一个三个构造参数的灯,

分别是相反方向的灯:String opposite

灯灭后下一个亮的灯:String next

和该灯原本的状态:boolean lighted

到这里Lamp模型设计完毕。

现在,路线模型、交通灯模型设计完毕了,还需要一个交通灯控制器来控制灯的变化,从而实现交通的运行。

根据现实情况,只有一条路线和其相对的路线可以同一时间运行车辆。

所以这里控制系统需要先控制其中一条方向灯为亮(对应方向的灯也会被打开)

使用定时系统,例如每隔10秒钟切换一次路线

设一个当前行驶路线的灯,置为亮。

每次灯灭的时候就把下一个变亮的灯设置为当前路线行驶灯。

到这里,控制器就设置完毕了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
红绿灯控制程序是一种重要的交通信号控制系统,它为行人和车辆提供安全和有序的通行环境。在EDA(电子设计自动化)课程中,我们可以使用VerilogHDL语言编写一个红绿灯控制程序。 首先,我们需要定义模块的输入和输出。输入可以包括信号灯的控制信号、定时器计数信号以及其他传感器信号。而输出是交通信号灯的显示状态。 然后,我们可以使用状态机的概念来设计红绿灯控制程序。状态机通常包含多个状态和状态之间的转换条件。在这个例子中,我们可以定义两个状态:红灯和绿灯。初始状态可以是红灯。我们还可以定义一个定时器,用于确定每个状态的持续时间。 在状态机中,我们可以根据不同的条件进行状态转换。例如,当红灯状态持续一定的时间后,我们可以通过切换控制信号来使绿灯亮起。同样地,当绿灯状态持续一定的时间后,我们可以切换回红灯状态。 为了实现这一切,我们可以在状态机中使用计数器,递增计数器的值,当计数器到达阈值时,进行状态切换。同时,我们也需要适当地处理输入信号,例如行人过马路的信号,来处理红灯状态的延长或绿灯状态的缩短。 最后,我们需要将设计好的VerilogHDL代码进行编译和合成,并通过仿真或实际硬件进行验证和测试。通过仿真和测试,我们可以确保红绿灯控制程序的正确性和性能。 红绿灯控制程序是交通基础设施中不可或缺的一部分,通过EDA课程的学习,我们可以使用VerilogHDL语言编写出高效可靠的红绿灯控制程序,为我们的城市交通安全提供保障。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值