In [1]:

    

import MNMAPI


    

In [2]:

    

import os
import numpy as np
import pandas as pd


    

In [3]:

    

a = MNMAPI.dta_api()


    

In [25]:

    

a.initialize(os.path.join('..', '..', 'data', 'input_files_7link_fix'))


    

    
Out[25]:





0L

In [26]:

    

# a.initialize(os.path.join('..', '..', 'data', 'input_files_PGH_emission'))


    

In [27]:

    

# link_list = pd.read_table(os.path.join('..', '..', 'data', 'input_files_PGH_emission', 'MNM_input_link'), sep = ' ')['#ID'].values.astype(np.int)


    

In [28]:

    

a.register_links(np.arange(1,7))


    

    
Out[28]:





0L

In [30]:

    

a.register_paths(np.arange(0, 3))


    

    
Out[30]:





0L

In [31]:

    

# a.register_links(link_list)


    

In [32]:

    

a.install_cc()


    

    
Out[32]:





0L

In [33]:

    

a.install_cc_tree()


    

    
Out[33]:





0L

In [34]:

    

a.run_whole()


    

    
Out[34]:





0L

In [35]:

    

a.get_cur_loading_interval()


    

    
Out[35]:





342L

In [36]:

    

a.get_link_inflow(np.arange(0, 30), np.arange(0, 30) + 1)


    

    
Out[36]:





array([[ 100. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,  100. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,  100. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ],
       [   0. ,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,
           6.1,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,
           6.1,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,    6.1,
           6.1,    6.1,    6.1,    6.1,    6.1,    6.1],
       [   0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ],
       [   0. ,    0. ,    0. ,    0. ,    3. ,    3. ,    3. ,    3. ,
           3. ,    3. ,    3. ,    3. ,    3. ,    3. ,    3. ,    3. ,
           3. ,    3. ,    3. ,    3. ,    3. ,    3. ,    3. ,    3. ,
           3. ,    3. ,    3. ,    3. ,    3. ,    3. ],
       [   0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ],
       [   0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,    0. ,
           0. ,    0. ,    0. ,    0. ,    0. ,    0. ]])

In [37]:

    

a.get_link_tt(np.arange(0, 30))


    

    
Out[37]:





array([[  0.03600036,  16.39344262,  15.39344262,  14.39344262,
         13.39344262,  12.39344262,  11.39344262,  10.39344262,
          9.39344262,   8.39344262,   7.39344262,  22.78688525,
         21.78688525,  20.78688525,  19.78688525,  18.78688525,
         17.78688525,  16.78688525,  15.78688525,  14.78688525,
         13.78688525,  29.18032787,  28.18032787,  27.18032787,
         26.18032787,  25.18032787,  24.18032787,  23.18032787,
         22.18032787,  21.18032787],
       [ 12.        ,  12.        ,   4.03333333,   5.06666667,
          6.1       ,   7.13333333,   8.16666667,   9.2       ,
         10.23333333,  11.26666667,  12.3       ,  13.33333333,
         14.36666667,  15.4       ,  16.43333333,  17.46666667,
         18.5       ,  19.53333333,  20.56666667,  21.6       ,
         22.63333333,  23.66666667,  24.7       ,  25.73333333,
         26.76666667,  27.8       ,  28.83333333,  29.86666667,
         30.9       ,  31.93333333],
       [ 12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ],
       [ 12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ,   3.        ,   3.        ,
          3.        ,   3.        ],
       [ 12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ],
       [ 12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ,  12.        ,  12.        ,
         12.        ,  12.        ]])

In [38]:

    

tt = a.get_dar_matrix(np.arange(0, 30), np.arange(0, 30) + 1)


    

In [42]:

    

tt.shape


    

    
Out[42]:





(887, 5)

In [ ]: