Läromodul · Detalj

Stadsstrafik och gångtrafiksimulering

Denna modul introducerar modelleringen av en webbaserad trafiksimslation och kombinerar HTML-struktur, CSS-presentation och JavaScript-tillståndslogi k. Från ett tekniskt perspektiv är det relevant att utveckla en funktionsduglig prototyp steg-för-steg till ett förståeligt simuleringsystem med regler, mätvärden och bedömningsmetoder.

Tid 180 minuter
För lektionen erbjuder denna uppställning ett tydligt ramverk för att diskutera AI-stödd programmering som en reflekterande utvecklingsprocess snarare än en kortfattad lösning. Den fokuserar på efterspårbar kodutveckling, målriktade modifikeringsbegäranden och omedelbart testbara resultat inom projektets kontext. AI-kodning
Språk HTML
Uppgifter 12
Förhandsvisningsbild: Stadsstrafik och gångtrafiksimulering

Kurskontext

AI-kodning i prototypförst-format

Kursen använder AI-kodning som kontextmedveten stöd i CodeRoom för att utveckla befintlig kod vidare, förklara fel och verifiera ändringar på det nuvarande projektstadiet.

Detta modul är uppbyggt i Prototype-First-format: Startpunkten är en funktionsduglig prototyp med stadskarta, korsning, trafikljus, fordon och mätvärden. Utökningen sker steg för steg, så att lärare kan strukturera kompetensutvecklingen över små, verifierbara utvecklingsbeslut.

Denna uppbyggnad ger en tydlig ram för undervisning i AI-stödd programmering som ett reflekterande utvecklingsprocess snarare än ett kortfattat alternativ. Fokus ligger på förståeligt kodutveckling, målgruppsanpassade ändringsbegäran och omedelbart testbara resultat inom projektets kontext.

Didaktisk klassificering

Modulen kommer att kompakt klassificeras från ett ämnes- och undervisningspraxisperspektiv.

Ämnesmässigt syfte

Det centrala fokus är på modellering av enkel trafiksituation som interaktiv webbapplikation. Nyckelbegrepp inkluderar fordon och trafikljusläge, händelsekontroll, regelbundna simuleringsskridt, mätvärdesberäkning samt stegvis utökning av en befintlig HTML/CSS/JavaScript-prototyp.

Kompetensutveckling

  • Modellering: Fordon, trafikljus, bussstationer och trafiktäthet beskrivs som abstrakterade objekt, lägen och regler.
  • Algoritmisering: Rörelselogik, trafikljusfaserna, vänteläge och avståndskontroller bryts ned i hanterbara funktioner.
  • Analys: Simuleringsdata-derivat värden som väntande fordon, genomsnittlig hastighet, miljövärden och trafikstockningsnivåer extraheras.
  • Förderutveckling: Den befintliga prototypen utökas i milstolpar, testas och ekonomiskt motiverat förbättras.

Lärdomsvärde

  • Uppgiftsstrukturen möjliggör en tydlig progression från den synliga prototypen till regelbaserad simulering.
  • Utökningarna erbjuder betydande skillnader genom ytterligare fordonstyper, miljövärden, statistik och slutbedömning.
  • Kombinationen av visuell representation och metriker stödjer resultatbekräftelse, reflektion och jämförelse mellan olika lösningsmetoder.

Flöde i lektionens enhet

Uppgifterna presenteras i ordningen av JSON och pedagogiskt uppdelade.

1

Startskärm med projektets mål

Introduktionen kompletterar prototypen med en introduktionspanel som gör det synligt att syftet är att uppnå smidig trafikflöde med låg väntetid. Pedagogiskt klargör detta steg projektets mål och skapar ett gemensamt bedömningsgrund för senare utökningar.

2

Fordonstypers data expanderas

Fordonsobjekten kompletteras med ytterligare egenskaper som väntetid, mål, färg eller maximal hastighet. Steget illustrerar hur datamodeller kan utökas och sedan användas i visning eller beräkning.

3

Avstånd mellan fordon

Begreppet rörelselogik expanderas med enkel kontroll så att fordon på samma spår inte kolliderar. Detta gör om enbart animerad rörelse till ett regelbaserat simuleringssystem.

4

Automatisk trafikförsök

Manuell trafikkontroll kompletteras med automatiskt läge som växlar efter ett fast antal simuleringssteg. Arbetssteget förstärker förståelsen av tidsbaserad kontroll och återkommande händelser.

5

Dags tid och trafikdensitet

Val av tid i dagen ändrar hur ofta nya fordon genereras. Det introducerar ett externt parameter som påverkar simulerings beteende på ett enkelt att förstå sätt.

6

Busslinje med stopp

Bussar får sin egen stopplogi och väntar några simuleringsskrid i ett definierat område. Detta steg visar hur en fordonstyp kan modelleras med specifika regler.

7

Byggnadsmodus

En byggnadsmodus lägger till en synlig blockering eller hinder i simuleringen, vilket gör att fordon reagerar genom att minska hastigheten eller vänta. Detta modellerar störningar i trafikflödet.

8

Nödfordon med prioritet

Ett speciellt fordonstyp introduceras som kör snabbare och har enkel prioritetsregel vid trafikljus. Uppgiften är lämplig för att undersöka undantag i regelsystem och deras påverkan på det övergripande modellen.

9

CO2- och ljudvärde

Från antalet, typen och väntarläget av fordon räknas enkla miljövärden ut och visas på mätgrafen. Detta utvidgar simuleringen med ett tolkbar evaluationsnivå.

10

Förbättra trafikstockningsshow

Den enkla tipsen utvecklas till en trafiknivå som fri, långsam, stockning eller kaos. Uppgiften kombinerar statusbedömning med förståeligt feedback och förbereder för senare evaluationslogik.

11

Liten statistikpanel

Simuleringen räknar fordon som har lyckats lämna kartan och kan fånga genomsnittliga väntatider. Detta steg förstärker evaluationsperspektivet och gör simuleringens resultat jämförbara.

12

Optimeringsmål och slutlig bedömning

Efter en definierad simuleringsperiod visas en bedömning av trafikflödet, inklusive traftiknivåer, väntetider och miljövärden. Slutsatsen visar tydligt att simulationer kräver kriterier för att utvärdera resultat professionellt.

Kodfragment

Detta fragment visar kärnan i simuleringen: fordonens tillstånd kontrolleras, påverkas av trafikljusstatus och bearbetas sedan vidare som mätvärden per simuleringsskede.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

const ampeln = {
  nord: 'rött',
  ost: 'grönt'
};

function simulationsSchritt() {
  tickNummer++;
  for (const fahrzeug of fahrzeuge) {
    fahrzeugBewegen(fahrzeug);
    fahrzeugAnzeigen(fahrzeug);
  }
  werteAktualisieren();
  stauHinweisAktualisieren();
}

function fahrzeugBewegen(fahrzeug) {
  const stopLinie = window.innerWidth * 0.46 - 58;
  const vorAmpel = fahrzeug.x > stopLinie - 35 && fahrzeug.x < stopLinie;
  const rotFuerOst = ampeln.ost === 'rot';
  fahrzeug.wartet = false;
  if (fahrzeug.richtung === 'ost' && vorAmpel && rotFuerOst) {
    fahrzeug.wartet = true;
    return;
  }
  fahrzeug.x += fahrzeug.tempo;
}
Modulen kopplar samman trafikmodellering, tillståndslösningslogik och mätvärden med stegvis utveckling av ett funktionsdugligt prototyp.

Den tydliga uppgiftsstruktur stöder undervisningsorganisationen och säkerställer resultat genom att varje utökning har en verifierbar professionell fokus. Differentiering är möjlig via fordonstyper, miljövärden, statistik och slutbedömning.

Begära ett demoåtkomst och testa modulen i din egen kurskontext som en strukturerad Prototype-First-enhet med KI-stödd kodutveckling.

Anmäl dig nu och testa gratis