如何使用simmer的branch功能实现机场旅客安检流程模拟

需求说明 #

• 普通旅客：到达服从泊松分布，每小时平均2965人；需通过3台验证机（VM），验证时间服从均匀分布runif(1,1,3)（单位：秒）；之后使用22台X光机（MC），准备时间服从三角分布rtri(1, min=5, max=15, mode=10)，扫描时间服从三角分布rtri(1, min=5, max=30, mode=10)（单位均为秒）。
• VIP旅客：占普通旅客的20%，到达服从λ=0.125秒的泊松分布；使用4台专属X光机，X光流程时间与普通旅客一致。

问题解决：用branch实现旅客分流 #

以下是修正并完善后的仿真代码，核心通过simmer的branch函数实现普通/VIP旅客的分流逻辑，同时修正了原代码中的资源名错误与到达时间函数误用：

library(triangulr)
library(simmer)
rm(list = ls())

# 初始化仿真环境
env <- simmer("安检流程仿真")

# 定义X光机通用流程（普通与VIP旅客共用此逻辑）
xray_process <- trajectory("X光机流程") %>%
  timeout(function() rtri(1, min = 5, max = 15, mode = 10)) %>%  # 准备时间
  timeout(function() rtri(1, min = 5, max = 30, mode = 10)) %>%  # 扫描时间
  # 根据旅客属性释放对应X光机资源
  release(function() ifelse(get_attribute(.env$self, "is_vip", default = FALSE), "VIP_MC", "MC"))

# 定义完整旅客流程：验证机环节 + 分支分流
passenger_trajectory <- trajectory("旅客主流程") %>%
  # 所有旅客必须经过的验证机环节
  seize("VM") %>%
  timeout(function() runif(1, 1, 3)) %>%
  release("VM") %>%
  # 分支判断：80%概率走普通通道，20%走VIP通道
  branch(
    function() sample(c(1, 2), 1, prob = c(0.8, 0.2)),
    continue = FALSE,  # 进入分支后不再返回主流程
    # 分支1：普通旅客X光机流程
    trajectory("普通旅客X光通道") %>%
      seize("MC") %>%
      join(xray_process),
    # 分支2：VIP旅客X光机流程
    trajectory("VIP旅客X光通道") %>%
      set_attribute("is_vip", TRUE) %>%  # 标记为VIP旅客
      seize("VIP_MC") %>%
      join(xray_process)
  )

# 向仿真环境添加资源与生成器
env %>%
  add_resource("VM", 3) %>%          # 验证机：3台
  add_resource("MC", 22) %>%         # 普通X光机：22台
  add_resource("VIP_MC", 4) %>%      # VIP专属X光机：4台
  # 泊松到达的间隔时间服从指数分布，rate为每秒钟到达人数
  add_generator("旅客", passenger_trajectory, function() rexp(1, rate = 2965/3600))

# 运行仿真3小时（10800秒）
env %>% run(until = 10800)

关键细节说明 #

1. branch函数用法：通过sample函数按80/20的概率分配旅客到不同分支，continue = FALSE确保进入分支后不再执行主流程后续逻辑。
2. 通用流程复用：将X光机的准备与扫描逻辑提取为xray_process轨迹，通过旅客属性is_vip判断释放对应资源，减少代码冗余。
3. 到达时间修正：simmer的add_generator需要的是间隔时间函数，泊松过程的时间间隔服从指数分布，因此用rexp替代原代码的rpois（rpois生成的是计数，不是间隔）。

内容的提问来源于stack exchange，提问作者Henrique Luís