Files
Support-Agent/vues-deplacements/journal/archive/visibilite_simple.py
T
maximeandClaude Opus 5.5 86547f089b Grade visibility, add the periodic effect and the slow drift to the morning journal (D-056)
- Visibility: v0 kept after a measured trial of a simpler version (archived); two levels, Reduced and No visibility
- Thermal: a 24-hour sinusoid confirms the daily wave, split into thermal expansion and contraction events
- Jumps tested from the first measurement; turbulence never kept over a shift to check (CLARIDEN)
- Data gaps say whether camera images exist; Displacements trends become slow drift events
- Threshold registry moved to vues-deplacements/contexte/seuils-du-journal.md; plan points 11 to 17, 38 and 41 validated

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-24 12:22:06 +02:00

93 lines
4.8 KiB
Python

"""Essai archivé le 2026-10-24 : version simple de la visibilité (point 11 du plan), moins bonne que la v0 restée en service
(journal/visibilite.py) ; comparaison sur les six jeux : point 11 du plan.
Journal du matin : visibilité, version simple.
Une cible est rejetée quand son error_value dépasse son error_threshold. Seules comptent les cibles habituellement vues
(sous leur seuil au moins la moitié du temps sur l'export) : une cible que la caméra ne voit presque jamais ne dit rien
de la visibilité du moment (PS des Coudres : PM_G ; NIEDERHORN : sept références « e »).
1. Poor visibility : au moins NIVEAU des cibles rejetées, sur deux mesures d'affilée ou plus (une mesure plus basse entre
deux hautes compte haute : la part rejetée oscille autour du niveau, C-002).
2. Brief obstruction : la même chose sur une seule mesure (un passage).
3. Target obscured : une cible rejetée la plupart du temps (au moins la moitié de ses mesures), au moins CIBLE_MIN fois à
moins de CIBLE_ECART d'écart, quand la station, elle, voit clair.
Tous les épisodes sont grisés (ignore = True) ; les labels sont ceux que lit categories.py.
Usage : python3 vues-deplacements/journal/visibilite.py <dossier de station> (affiche les épisodes)
"""
import os
import statistics
import sys
from datetime import timedelta
sys.path.insert(0, os.path.join(os.path.dirname(os.path.abspath(__file__)), "..", "..", "..", "agents", "diagnostic", "outils"))
from donnees import charger, iso # noqa: E402
NIVEAU = 0.2 # provisoire, réglé sur NORDEND d'octobre (buée du 08/10 : 10 à 20 % rejetées), C-002 (toile : 30 à 40 %)
# et C-005 (pluie : 30 à 60 %) ; balayé de 0,15 à 0,3 le 2026-10-24
CIBLE_MIN = 3 # provisoire : rejets répétés d'une cible (v0)
CIBLE_ECART = timedelta(hours=6) # provisoire, réglé sur C-005 (feuilles : 7 rejets en 12 h, jusqu'à 5 h d'écart ; v0)
def _episode(debut, fin, label, capteurs):
return {"start": iso(debut), "end": iso(fin), "kind": "visibilite", "label": label, "text": "",
"ignore": True, "sensors": sorted(capteurs)}
def detect(mesures):
ratios = {} # capteur -> {t: error_value / error_threshold}
for s, v in mesures.items():
r = {m["t"].replace(second=0, microsecond=0): m["error_value"] / m["error_threshold"]
for m in v if m["error_value"] is not None and m["error_threshold"]}
if r and statistics.median(r.values()) < 1: # habituellement vue
ratios[s] = r
instants = sorted({t for r in ratios.values() for t in r})
rejetes = {t: {s for s, r in ratios.items() if r.get(t, 0) > 1} for t in instants}
vus = {t: sum(t in r for r in ratios.values()) for t in instants}
haut = [len(rejetes[t]) >= NIVEAU * vus[t] > 0 for t in instants]
for k in range(1, len(instants) - 1): # une mesure basse entre deux hautes
haut[k] = haut[k] or (haut[k - 1] and haut[k + 1])
out = []
# 1 et 2 : suites de mesures où la station voit mal ; une seule mesure, c'est un passage.
k = 0
while k < len(instants):
if not haut[k]:
k += 1
continue
j = k
while j + 1 < len(instants) and haut[j + 1]:
j += 1
cs = set().union(*(rejetes[instants[i]] for i in range(k, j + 1)))
out.append(_episode(instants[k], instants[j], "Poor visibility" if j > k else "Brief obstruction", cs))
k = j + 1
# 3 : une cible rejetée la plupart du temps pendant que la station voit clair.
clair = {t for t, h in zip(instants, haut) if not h}
refs = {s for s, v in mesures.items() if v[0]["pattern_type"] == "global_ref"}
cibles = []
for s, r in ratios.items():
if s in refs:
continue
ts = [t for t in sorted(r) if t in clair and r[t] > 1]
groupe = ts[:1]
for t in ts[1:] + [None]:
if t is not None and t - groupe[-1] <= CIBLE_ECART:
groupe.append(t)
continue
mesurees = [u for u in r if groupe and groupe[0] <= u <= groupe[-1]]
if len(groupe) >= CIBLE_MIN and 2 * len(groupe) >= len(mesurees):
cibles.append((groupe[0], groupe[-1], s))
groupe = [t]
for a, b, s in sorted(cibles): # les cibles masquées en même temps forment un seul épisode
if out and out[-1]["label"] == "Target obscured" and iso(a) <= out[-1]["end"]:
out[-1]["end"] = max(out[-1]["end"], iso(b))
out[-1]["sensors"] = sorted(set(out[-1]["sensors"]) | {s})
else:
out.append(_episode(a, b, "Target obscured", {s}))
return sorted(out, key=lambda e: e["start"])
if __name__ == "__main__":
for e in detect(charger(sys.argv[1])):
print(e["start"], "→", e["end"], e["label"], f"| {len(e['sensors'])} :", ",".join(e["sensors"][:8]))