diff --git a/__pycache__/coord_to_intersections.cpython-38.pyc b/__pycache__/coord_to_intersections.cpython-38.pyc
index 28d62caf207a3a0fc43ea6b8353d4b7d8ead0dcd..fc092d6c46a2f8effb3f1b171e10654751089825 100644
Binary files a/__pycache__/coord_to_intersections.cpython-38.pyc and b/__pycache__/coord_to_intersections.cpython-38.pyc differ
diff --git a/__pycache__/ordre_arbres.cpython-38.pyc b/__pycache__/ordre_arbres.cpython-38.pyc
index b05408dc19e6d84c4888815c085ff8cdd17f892a..e28b2a55adf60b8388afbd95585e8ddae84c77c3 100644
Binary files a/__pycache__/ordre_arbres.cpython-38.pyc and b/__pycache__/ordre_arbres.cpython-38.pyc differ
diff --git a/__pycache__/research.cpython-38.pyc b/__pycache__/research.cpython-38.pyc
index 93e98b12919c39a7ab7e7ed717d0bc3c49314af2..fa252d443fc9ddc868a03696f242dd8604e04b25 100644
Binary files a/__pycache__/research.cpython-38.pyc and b/__pycache__/research.cpython-38.pyc differ
diff --git a/coord_to_intersections.py b/coord_to_intersections.py
index 61e7da8fba9f1cc9d2810222e37f5e3b31211989..ea018726bce81fed1d02f2076e29d7fbefb21922 100644
--- a/coord_to_intersections.py
+++ b/coord_to_intersections.py
@@ -13,8 +13,10 @@ def coord_to_inter(liste_coord,lat,long,main_street):
#On regarde l'intersection la plus proche de l'arbre
print('nouveau candidat')
try:
+ #On regarde si il reste des intersections possibles
candidat=liste_coord[dist.index(min(dist))]
except ValueError:
+ #Si aucune intersection possible, on considère que la rue ne s'intersecte qu'avec elle-même
inter_street.append(main_street)
inter_street_coord.append([long, lat])
inter_street.append(main_street)
@@ -24,7 +26,7 @@ def coord_to_inter(liste_coord,lat,long,main_street):
#On regarde si cette intersection correspond bien au croisement avec une autre rue, on trouve le nom de cette autre rue
nom_de_rue=circular_research(candidat[1], candidat[0], main_street)
if nom_de_rue== None :
- #Si on ne trouve pas d'autre rue a cette intersection on écarte cette intersection
+ #Si on ne trouve pas d'autre rue que celle de l'arbre a cette intersection on écarte cette intersection
indice=dist.index(min(dist))
dist.pop(indice)
liste_coord.pop(indice)
@@ -55,12 +57,15 @@ def coord_to_inter(liste_coord,lat,long,main_street):
#On regarde l'intersection admissible la plus proche du début du tronçon
print('nouveau candidat 2')
try:
+ #On regarde si il reste des intersections possibles
candidat=liste_coord_admissibles[d_1_2.index(min(d_1_2))]
except ValueError:
+ # Si non, la rue est donc une impasse, donc la fin de tronçon correspond au début
inter_street.append(inter_street[0])
inter_street_coord.append(inter_street_coord[0])
print("Arbre au niveau de l'intersection")
return inter_street+inter_street_coord
+ #On cherche le nom de la rue qui croise la rue de l'arbre à cette intersection
nom_de_rue=circular_research(candidat[1], candidat[0], main_street)
if nom_de_rue== None :
#Si cette intersection ne donne rien, on la rejette
@@ -92,6 +97,7 @@ def coord_to_inter(liste_coord,lat,long,main_street):
#On prend la liste des intersection situé du premier coté de l'arbe
#Pour cela on calcule les distances entre le second point trouvé, l'arbre et les autres points
#On conserve les points qui permettent de former un triangle avec un angle obtu au niveau de l'arbre
+ #Ce qui nous assure que l'on se situe de l'autre côté de l'arbre
d=(liste_coord[i][0]-inter_street_coord[1][0])**2 + (liste_coord[i][1]-inter_street_coord[1][1])**2
if d > dist[i] + d_2:
@@ -118,7 +124,9 @@ def coord_to_inter(liste_coord,lat,long,main_street):
def opti_inter_street(c, main_street, liste_coord_admissibles, liste_coord_admissibles2, d_1_2, d_2_1, inter_street_init, inter_street_coord_init):
+ #p représente le coté de l'arbre duquel on se situe (p vaut 0 ou 1)
p = c % 2
+ #On charge les données correspondant au cas p
if p == 0:
liste_coord = liste_coord_admissibles2
dist = d_2_1
@@ -129,6 +137,7 @@ def opti_inter_street(c, main_street, liste_coord_admissibles, liste_coord_admis
inter_street_coord = deepcopy(inter_street_coord_init)
found = False
while not(found):
+ #On cherche l'intersection la plus proche de l'intersection trouvée du côté opposé
candidat=liste_coord[dist.index(min(dist))]
nom_de_rue=circular_research(candidat[1], candidat[0], main_street)
if nom_de_rue== None :
@@ -151,7 +160,8 @@ def opti_inter_street(c, main_street, liste_coord_admissibles, liste_coord_admis
def fct_d_1_2(liste_coord, inter_street_coord):
d_1_2 = []
for i in range(len(liste_coord)):
- #On prend la liste des intersection situé du premier coté de l'arbe
+ #On prend la liste des intersection situé du second coté de l'arbe
+ #On calcule la distance de ces points avec l'intersection trouvée pour le premier côté
d=(liste_coord[i][0]-inter_street_coord[0][0])**2 + (liste_coord[i][1]-inter_street_coord[0][1])**2
d_1_2.append(d)
return d_1_2
@@ -160,12 +170,14 @@ def fct_d_2_1(liste_coord, inter_street_coord):
d_2_1 = []
for i in range(len(liste_coord)):
#On prend la liste des intersection situé du premier coté de l'arbe
+ #On calcule la distance de ces points avec l'intersection trouvée pour le second côté
d=(liste_coord[i][0]-inter_street_coord[1][0])**2 + (liste_coord[i][1]-inter_street_coord[1][1])**2
d_2_1.append(d)
return d_2_1
def fct_dist(liste_coord, lat, long):
dist=[]
+ #calcule les distances entre les points de la liste et le point de référence indiqué par lat et longs
for inter in liste_coord:
d=(inter[0]-long)**2 + (inter[1]-lat)**2
dist.append(d)
diff --git a/main.py b/main.py
index b43988170489469922eb3e8a4d582bb3c1d78762..8d1eee215487b26022ab6b1f011b64a686dd749f 100644
--- a/main.py
+++ b/main.py
@@ -44,8 +44,7 @@ def trees_positions(liste_coord): #ATTENTION mettre la longitude en premier
ordre=ordre_arbre(new_classement[troncon],troncon[-2]) #troncon[-2] est la coordonnée du début de troncon à partir de laquelle on classe les arbres
#ordre est le dictionnaire qui contient à la clé i les coordonnées du ième arbre du troncon
for i in range(len(ordre)):
- dict[troncon][i+1]={'lat':ordre[i][1], 'lon':ordre[i][0], 'ville':troncon[0], 'rue':troncon[1], 'début tronçon': troncon[2], 'fin tronçon':troncon[3]}
- print(i+1)
+ dict[troncon][i+1]={'lat':ordre[i][1], 'lon':ordre[i][0]}
return dict
def classement_arbres(liste_coord):
@@ -121,12 +120,11 @@ if __name__=="__main__":
#print(tree_position(lat, lon))
t2 = time.time()
#print(t2-t1)
- '''
+
lat = 48.89227652
lon = 2.253773690
print(tree_position(lat, lon))
'''
- #liste=[(2.24697,48.89535),(2.24705,48.89529),(2.2472,48.89518)]
- liste=[(2.246212,48.896523),(2.247038,48.895916)]
- print(trees_positions(liste))
- '''
\ No newline at end of file
+ liste=[(2.24697,48.89535),(2.24705,48.89529),(2.2472,48.89518)]
+ #liste=[(2.246212,48.896523),(2.247038,48.895916)]
+ print(trees_positions(liste))
\ No newline at end of file