圖像部分
之前自己跑的時候一直出不來圖像，只有最原始的一個界面，所有按鈕都按不了，今已證實無誤，就是需要自己手動跑數據，要先在命令行里，把什么test.py那幾個小項目即——

base、test中的代碼都跑一下，然后再跑visualization的代碼這樣就可以出來圖像啦。

visualization
經過上面，我很好奇，visualization的運行機制是啥呢？

從它所導入的庫入手，發現visualization是通過flask框架，是一種web框架，可以通過用戶點擊的URL然后給出對應的函數—— route() 裝飾器告訴 Flask 什么樣的URL 能觸發對應的函數。
里面還有json部分，通過json.jump()對python解析為json文件。

data代碼
data的文件夾里有一個generate.py文件，還是從它所導入的庫來看——
首先導入了一個logging庫，查閱資料，logging庫是用來將信息記錄到日志文件中，方便查看程序運行時的情況，也可以在程序出現故障時快速定位問題。

文件中還導入了一個庫——fastkml，再看運用kml的地方都是kml與json一起出現，故而此處應該運用fastkml庫將讀取出的kml數據進行json的轉化。

那么下面就要引出問題：所讀取的kml文件從何解析而來呢？

map_adapter.py
終于找到調取谷歌API的代碼了。這是上面的問題的一個突破口。

這個py文件被包裝成了類似內置函數的這樣一個作用，也就是說，哪里在調用它，哪里就很有可能在生成kml文件。
果不其然，順利在generate.py這個文件里看到了端倪——

在這個文件里，都是如何運用谷歌地圖去生成機場數據的文件，并且生成了需要用谷歌地球才能打開的kml文件——

json文件

在data的文件夾里有一個build文件夾，這里面都是json文件，而在data的眾多python文件里，有一個叫<generate_scenario.py> ,所有的json文件都是由它生成的。

調度算法
所以說，這個機場調度的項目，是通過一個怎樣的算法來實現的呢？

這是在scheduler這個文件里面的一個py文件，圖很明顯的說明調度算法的核心在這個文件里面，代碼還在研究當中，研究出來了再補一篇博客吧～