简介本资源是一套面向SUMO初学者的实战入门练习包聚焦城市高架路网建模与交通流仿真特别适配上海市高架道路场景帮助用户快速掌握OSM数据导入、路网转换、行程生成与可视化仿真的完整工作流。压缩包共7个文件含5个核心XML文件涵盖net.xml路网、rou.xml车辆路径、poly.xml区域定义等、1个sumocfg仿真配置文件及1个原始OSM地理数据文件总大小仅91KB结构精简、开箱即用。已有2861人下载学习是初学者理解SUMO关键文件作用与典型处理链路的理想实践样本。资源提供可直接运行的完整配置包含基于真实高架拓扑生成的交通流方案、预设可视化边界及标准化仿真参数省去繁琐的数据清洗与脚本调试环节大幅降低入门门槛。 刚接触SUMO的时候我最怕的就是两件事一是路网数据不知道去哪儿弄二是辛辛苦苦导进来之后跑起来全是红线和报错。后来用上海市高架路网练手把OpenStreetMap的OSM数据转成SUMO能跑的仿真路网整个流程走完一遍之后很多概念才真正通了。这篇文章就把这套适合初学者的完整流程写出来从软件安装、OSM数据下载到路网转换、交通需求生成再到常见排错全部基于我实际操作的经验希望能帮想入门SUMO的朋友少走几步弯路。1. 为什么用SUMO做城市快速路仿真以及初学者的第一课1.1 SUMO到底能做什么解决什么问题SUMOSimulation of Urban MObility是一个开源微观交通仿真软件它不是画个路网看动画用的而是把每辆车都当成独立个体按照跟驰模型、换道模型和交叉口规则去模拟它们的运动。输出结果可以是每一秒每辆车的坐标、速度、车道、加速度也可以是路网某条边上的流量、密度、排队长度。这些东西是做交通规划、信号配时优化、车路协同算法验证的基础数据。对初学者来说SUMO最大的优点是免费开源、文档全、社区大而且支持用Python通过TraCI接口实时控制仿真做二次开发很方便。最大的难点则是上手门槛高尤其是路网处理和需求生成这两块概念多、文件格式杂不踩几次坑很难真正理解。1.2 为什么选择上海市高架加OSM作为练习场景很多新手入门时用的都是SUMO自带的example路网比如demo.osm或者cross这种小场景。但小场景练完面对真实城市路网还是会懵因为数据里充满各种“意外”断头路、非机动车道、多级交叉口、高架匝道、禁行方向。上海高架路网是一个非常好的中间难度场景它具备城市快速路最典型的特征——主线、匝道、分合流、收费站以及伴随早晚高峰的拥堵扩散。另外上海的OSM数据在OpenStreetMap上是相对完整的高架和地面道路的层级关系也比较清晰。用highwaymotorway、highwaytrunk这类标签就能把高架主体筛出来再配合匝道标签link做出一个既能跑通又能体现拥堵效应的快速路仿真。整个过程只需要一台普通电脑不需要额外硬件非常适合在本地学习。2. 环境准备从零搭建SUMO仿真环境2.1 软件安装与版本选择如果你用的是Windows直接到SUMO官网下载对应版本安装包。这里我建议装最新稳定版但不要装每晚构建版因为新手很难区分版本兼容问题。截至我写这篇文章时SUMO 1.18版本在Windows下表现比较稳定。macOS和Linux用户可以用包管理器比如macOS的brew install sumoUbuntu的sudo apt install sumo。我的经验是Windows版最简单装完以后环境变量通常会自动配好能在命令行直接敲sumo。如果打开终端输入sumo --version没反应要手动把SUMO安装目录比如C:\Program Files (x86)\Eclipse\Sumo下的bin文件夹加到系统PATH里。除了SUMO本体我还建议安装两个辅助工具Python 3.8以上因为后面生成随机交通流要用到randomTrips.py脚本处理路径文件也要用到各种Python工具脚本。QGIS可选项用来看OSM数据有没有下载完整、检查高架和地面道路的拓扑关系。如果不想装QGIS也可以先用Netedit凑合看但QGIS看大范围地理数据真的很爽。2.2 获取上海市高架OSM路网数据获取OSM数据有几种方式我推荐用直接下载区域提取文件的方式而不是在网页上手动导出因为网页导出有节点数量限制上海市全范围经常导出失败。公开的区域提取服务包括Geofabrik和BBBike。Geofabrik是分国家/州下载的中国大陆的数据在asia/china目录下文件很大几百MB解压后全中国数据对SUMO来说太大需要裁剪。BBBike可以按城市范围生成自定义提取支持上海市范围但免费用户一天有次数限制。更灵活的方式是用osmium命令行工具处理比如从中国数据里裁剪出一个以人民广场为中心、边长30公里的方形区域osmium extract -b 121.40,31.10,121.70,31.35 china-latest.osm.pbf -o shanghai_extract.osm.pbf如果不想装osmium在OpenStreetMap官网的导出界面直接框选上海高架核心区也可以只要区域不超过一定范围就会返回.osm的XML格式数据。注意观察右下角的OSM数据如果提示“数据过大”就缩小范围比如分内环、中环、外环分别导出。这里有个非常重要的点导出OSM数据时不要把整个上海市都框进去。高架仿真初始阶段我们只需要高架主线加两侧地面道路范围控制在20公里乘20公里以内就能保证路网规模适中转换速度快画面也清楚。2.3 数据预处理思路OSM文件里有乱七八糟的元素建筑物、河流、边界、铁路、POI等。SUMO的netconvert虽然会忽略大部分无关内容但如果数据里有奇怪的铁路交叉或者水域边界可能引发转换警告。所以我习惯在正式转换前用QGIS初步看一眼数据。如果你不想用QGIS也可以在OSM官网按道路类型过滤但在导出时并不能过滤只能靠后面命令行参数。3. 路网构建从OSM到SUMO路网的完整流程3.1 用netconvert把OSM转成SUMO路网SUMO官方推荐把原始.osm文件通过netconvert转成.net.xml。最基本的一条命令是netconvert --osm-files shanghai.osm --output-file shanghai.net.xml这条命令执行后会得到完整路网但你可能很快会发现问题路网包含了太多小街道跑起来全是密集网格高架主线反而不显眼。我在第一次转换上海数据时就遇到过这个问题仿真画面像一块电路板根本看不清交通流怎么走。为此需要过滤路网类型。上海高架主体在OSM中通常是motorway和trunk匝道对应motorway_link和trunk_link。转换时可以增加--type-file参数用类型映射文件把不想用的道路类型过滤掉或者更简单的方法是直接用--keep-edges.by-type参数只保留指定类型netconvert --osm-files shanghai.osm --output-file shanghai.net.xml --keep-edges.by-type highway.motorway,highway.motorway_link,highway.trunk,highway.trunk_link不过highway类型的判断取决于OSM标签是否规范。上海有些高架会标成primary所以一开始保留primary和primary_link也可以。总之根据你的仿真目标来如果只想看高架就只保留motorway和trunk如果想看高架加主要集散道路就加上primary。3.2 高架路网的特殊处理匝道和层高普通地面路网转换很直接但高架桥最大的问题在于高架主线和地面道路在空间上重叠SUMO必须在拓扑上把它们分成互不相通的节点否则会识别成交叉口。OSM数据通常用layer标签来区分道路层数高架是layer1或者layer2地面是layer0。netconvert默认会根据layer自动判断是否可以互相连接。但实践中有很多意外情况部分匝道没标layer直接和地面道路产生了连接或者高架主线跨过地面交叉口时节点被合并导致车流能“凭空”从高架跳到地面。这类问题只能通过Netedit人工检查。我常用的检查方法是转完路网后用netedit shanghai.net.xml打开在“边选择”模式下筛选highwaymotorway对应的边看高架主线是否连续再打开“连接”模式找到高架交界处有没有多出来的连接。最常见的错误是高架主线在与地面道路交叉的位置多出来一个直角转弯连接这几乎都是因为OSM数据里两条道路共享了一个节点。3.3 用NETEDIT修补路网的实操技巧Netedit是SUMO自带的图形化路网编辑器功能非常强但界面需要适应一下。我简单说几个新手最常用的操作选中一条边按i键可以编辑边的属性比如numLanes、speed、allow等。选中边后按x键可以拆分这条边在特定位置插入一个节点这个操作在修正高架匝道分合流位置时特别有用。如果要删除错误的连接先切换到“连接”模式选中连接线删除。如果要单独设置高架入口可以在两条边之间手动添加一条边注意设置layer以保持立体关系。Netedit里有太多功能新手不要指望一次全会只看自己能用到的那几个就可以。我第一次修复上海中环某个匝道逻辑花了半小时但正因为手动修了一次才对SUMO路网的数据结构有了真正的感觉。3.4 生成交通需求从随机车流到OD矩阵路网建好只是骨架要在上面跑车还得生成流量。最快捷的方式是用SUMO工具集的randomTrips.py脚本python tools/randomTrips.py -n shanghai.net.xml -r shanghai.rou.xml -e 3600 -p 2 --random --seed 42参数含义-e仿真结束时间秒-p每辆车的平均间隔--random表示随机OD--seed固定随机种子以便复现。这样生成3600秒1小时的随机车流大约有1800辆车。注意默认情况下randomTrips.py会生成起点终点都在路网节点上的路径但路径是否连通用的是SUMO的duarouter所以还需要再执行duarouter -n shanghai.net.xml -r shanghai.rou.xml -o shanghai.od.rou.xml --remove-loops--remove-loops是为了删除路径中的绕圈部分避免车流反复转圈。如果你只是跑随机流这个办法效果还不错。但随机流不是真实的交通流它只会造成满路网均匀分布的车不会形成早晚高峰的潮汐现象。如果想模仿上海高架的拥堵需要自己定义分时段的OD矩阵或者使用活动模型生成交通。这类内容超纲了初学者能先用随机流跑通全部流程、看懂输出结果就已经达到了入门目标。3.5 配置文件怎么写SUMO仿真需要一套或两套文件路网文件、需求文件、附加文件检测器、红绿灯等然后通过一个.sumocfg文件把它们组织起来。一个最简单的配置如下?xml version1.0 encodingUTF-8? configuration input net-file valueshanghai.net.xml/ route-files valueshanghai.od.rou.xml/ /input time begin value0/ end value3600/ /time /configuration这个配置表示从0秒仿真到3600秒。保存成shanghai.sumocfg后在命令行运行sumo-gui shanghai.sumocfg就能看到图形界面跑起来了。如果只想跑无界面的版本用sumo shanghai.sumocfg。4. 仿真运行与可视化的关键操作4.1 SUMO GUI里的几个必会操作第一次打开SUMO GUI很多人会被一堆按钮搞晕。其实只需要记住几个关键操作鼠标左键拖动是平移视图滚轮是缩放按住左键双击某个元素可以查看属性。左侧边栏的“车辆”选项卡可以实时查看每辆车的ID、速度、位置。视图菜单里有多种着色方式新手建议选“速度”着色能看到哪里是绿色畅通、哪里是红色拥堵。仿真控制按钮中有一个“停止”按钮和“单步”按钮。想快速看到结果可以把仿真速度调高或者直接关闭“真实速度”选项让SUMO跑得越快越好。在跑上海高架的时候我习惯先把仿真速度调到64倍速看着全局车流变化等车流开始受阻后暂停切换到局部车道视角观察瓶颈。4.2 用检测器量化拥堵只是肉眼看不够最好加几个检测器输出量化数据。SUMO支持多种检测器最简单的是lane area detectorE2和induction loopE1。在配置文件中加入附加文件后运行仿真就会生成对应输出文件。我常用一个简单的E1检测器来统计某条高架横断面的车流量additional inductionLoop iddet_1 lanegneE0_0 pos100 freq300 filedet_1.xml/ /additionallane取值来自路网文件用Netedit选中目标车道就能看到ID。freq300表示每300秒聚合并输出一次。然后把附加文件加入.sumocfgadditional-files valuedet.add.xml/跑完以后det_1.xml里会按时间间隔输出车流量和平均速度用Excel或者Python处理一下就能画出高架断面流量变化图。4.3 保存仿真结果与轨迹数据如果你需要逐车轨迹做后处理需要在配置文件中增加fcd-outputoutput fcd-output valuefcd.xml/ /output这个文件会记录每辆车每一秒的位置和速度体积非常大一小时仿真可能生成数百MB文件。谨慎开启。也可以用netstate-dump达到类似效果但FCD更常用。初学者如果只是练手用实时GUI输出几张截图就够了没必要急着导FCD。5. 新手常见问题与排查实录5.1 典型问题速查表我在做上海高架仿真的过程中把初学者的高频问题整理成了表格遇到报错可以先对照一下。问题现象常见原因解决方法netconvert报错“Failed to determine node geometry”OSM数据中存在断头路或孤立节点只保留需要的高速路类型或者用--ramp-guess参数尝试自动补全匝道路网转换成功但高架和地面道路互相穿越两条道路共享节点或layer信息缺失用Netedit手动断开错误连接给高架边设置正确的layer值仿真时大量车辆“不去任何地方”在起点附近消失duarouter生成路径失败或OD起点终点不通检查需求文件里对应路线是否有完整路径必要时用--repair参数重新生成车辆在匝道口突然急停匝道车流与主线车流冲突且没有足够加减速空间在Netedit中检查匝道与主线的合并角度适当调整车道连接或降低流量重新随机生成randomTrips.py无法导入SUMO模块Python环境变量未设置正确把tools目录加入PYTHONPATH确保安装的是Python 3sumo-gui启动后黑屏无路网路网文件没加载或配置文件路径不对检查命令执行路径确认.net.xml文件存在且非空5.2 新手最容易忽略的三个坑第一个坑是坐标系统。从OSM下载的数据自带经纬度坐标系WGS84netconvert默认会转换成SUMO内部使用的平面坐标系但城市规模较大的时候转换后的路网可能出现轻微偏移。如果偏移极其严重检查一下OSM数据范围是否跨越了UTM分带边界。上海在UTM 51N带内一般不严重。万一出现偏移可以用--proj.utm等参数强制指定投影。第二个坑是车道方向。真实高架有单向车道和双向车道OSM数据里用oneway表示。如果netconvert转换时看不到oneway可能把双向两车道当成单向两车道导致整条路变成“仅允许一个方向”。这时要去OSM原始数据里检查该路段的标签或者在Netedit手动改spreadType和方向。第三个坑是需求文件里的起点终点必须落在可停车的位置。有些边被allow属性限制成只能走某种车型或者某些边是禁行的随机生成的路径一旦需要经过这些边就会失败。遇到这类问题我建议先检查车辆是否出现在网络边缘把问题路径拖到Netedit中手动查看。5.3 调参时的经验心得给新手一个很实用的调参顺序先跑通、再调路网、再调流量、最后调模型。跑通阶段流量调小一点比如每辆车间隔-p 10秒车辆少路径计算也快。调路网阶段重点观察车辆通过匝道时的轨迹是否合理这比看整条路网的拥堵更重要。调流量阶段从-p 4秒逐步收紧到-p 1秒感受流量增加对高架瓶颈的影响。最后调模型阶段可以尝试修改SUMO车辆的accel、decel和sigma等驾驶行为参数观察跟驰和换道的变化。这里有一个我在上海高架场景中得到的直观感受SUMO默认的跟驰模型偏向保守在拥堵状态下车头时距控制得很好但如果流量突然下降后恢复会有明显的滞后。做仿真时不要指望数字和现实完全一致它的价值在于对比不同方案之间的相对差异。6. 进一步扩展从路网到真实OD数据如果随机车流已经不能满足你下面两个方向是初学者进阶的好选择。第一个方向是用真实OD数据生成需求。可以通过调查或者公开数据获取各出入口的流量比例然后用od2trips工具生成更真实的车流。操作复杂度上升但能做出更具说服力的仿真。第二个方向是结合TraCI做动态控制。比如通过TraCI在仿真过程中实时修改高架匝道控制信号让车辆在主线拥堵的时候减少匝道进入。由于TraCI支持Python你可以直接控制每一辆车甚至可以做一个简单的拥堵监测算法。对上海高架来说这类应用的意义很实际研究高架匝道控制、分析限行政策对交通流的影响乃至评估智能网联车辆混入后的路网效率SUMO都能提供比较低成本的验证环境。当然这些都属于后话初学者先把静态路网和随机流跑通再往这个方向走也不迟。7. 写在最后的几点建议我个人在实际操作中体会到SUMO入门最忌讳的就是一开始想跑大而全的真实路网结果被报错淹没。做上海高架仿真建议分三步走先用小范围、高架主线加少量匝道跑通再扩展范围到完整的内环加中环观察路网结构最后再添流量和红绿灯加入地面道路。每一步都保留一份能正常运行的配置方便回溯。另外一个实用的小技巧把原始的.osm文件、生成的.net.xml、.rou.xml和.sumocfg放在同一个项目文件夹里文件名别用中文和空格。SUMO对文件路径有历史包袱很多莫名其妙的问题都出在路径处理上。目录结构可以这样安排shanghai_sumo/ ├── data/ │ ├── shanghai.osm │ └── shanghai.net.xml ├── demand/ │ ├── shanghai.rou.xml │ └── shanghai.od.rou.xml ├── output/ │ ├── fcd.xml │ └── det_1.xml └── shanghai.sumocfg最后再强调一遍“能跑通”比“跑得真实”重要。初学阶段最主要的任务是理解SUMO的文件流OSM是源、netconvert生成了路网、randomTrips和duarouter生成了车辆、sumo/sumo-gui执行仿真、输出数据用于分析。这条流水线通了后面所有高级玩法才有基础。上海高架路网是一个复杂度适中的研究对象拿它练手既能体会真实城市快速路的关键特征又不至于像全城路网那样难以驾驭。希望这篇分享能帮你顺利跑出第一个属于自己的SUMO仿真。本文还有配套的精品资源点击获取 SUMO仿真入门：从OSM数据到上海高架路网构建全流程
简介本资源是一套面向SUMO初学者的实战入门练习包聚焦城市高架路网建模与交通流仿真特别适配上海市高架道路场景帮助用户快速掌握OSM数据导入、路网转换、行程生成与可视化仿真的完整工作流。压缩包共7个文件含5个核心XML文件涵盖net.xml路网、rou.xml车辆路径、poly.xml区域定义等、1个sumocfg仿真配置文件及1个原始OSM地理数据文件总大小仅91KB结构精简、开箱即用。已有2861人下载学习是初学者理解SUMO关键文件作用与典型处理链路的理想实践样本。资源提供可直接运行的完整配置包含基于真实高架拓扑生成的交通流方案、预设可视化边界及标准化仿真参数省去繁琐的数据清洗与脚本调试环节大幅降低入门门槛。 刚接触SUMO的时候我最怕的就是两件事一是路网数据不知道去哪儿弄二是辛辛苦苦导进来之后跑起来全是红线和报错。后来用上海市高架路网练手把OpenStreetMap的OSM数据转成SUMO能跑的仿真路网整个流程走完一遍之后很多概念才真正通了。这篇文章就把这套适合初学者的完整流程写出来从软件安装、OSM数据下载到路网转换、交通需求生成再到常见排错全部基于我实际操作的经验希望能帮想入门SUMO的朋友少走几步弯路。1. 为什么用SUMO做城市快速路仿真以及初学者的第一课1.1 SUMO到底能做什么解决什么问题SUMOSimulation of Urban MObility是一个开源微观交通仿真软件它不是画个路网看动画用的而是把每辆车都当成独立个体按照跟驰模型、换道模型和交叉口规则去模拟它们的运动。输出结果可以是每一秒每辆车的坐标、速度、车道、加速度也可以是路网某条边上的流量、密度、排队长度。这些东西是做交通规划、信号配时优化、车路协同算法验证的基础数据。对初学者来说SUMO最大的优点是免费开源、文档全、社区大而且支持用Python通过TraCI接口实时控制仿真做二次开发很方便。最大的难点则是上手门槛高尤其是路网处理和需求生成这两块概念多、文件格式杂不踩几次坑很难真正理解。1.2 为什么选择上海市高架加OSM作为练习场景很多新手入门时用的都是SUMO自带的example路网比如demo.osm或者cross这种小场景。但小场景练完面对真实城市路网还是会懵因为数据里充满各种“意外”断头路、非机动车道、多级交叉口、高架匝道、禁行方向。上海高架路网是一个非常好的中间难度场景它具备城市快速路最典型的特征——主线、匝道、分合流、收费站以及伴随早晚高峰的拥堵扩散。另外上海的OSM数据在OpenStreetMap上是相对完整的高架和地面道路的层级关系也比较清晰。用highwaymotorway、highwaytrunk这类标签就能把高架主体筛出来再配合匝道标签link做出一个既能跑通又能体现拥堵效应的快速路仿真。整个过程只需要一台普通电脑不需要额外硬件非常适合在本地学习。2. 环境准备从零搭建SUMO仿真环境2.1 软件安装与版本选择如果你用的是Windows直接到SUMO官网下载对应版本安装包。这里我建议装最新稳定版但不要装每晚构建版因为新手很难区分版本兼容问题。截至我写这篇文章时SUMO 1.18版本在Windows下表现比较稳定。macOS和Linux用户可以用包管理器比如macOS的brew install sumoUbuntu的sudo apt install sumo。我的经验是Windows版最简单装完以后环境变量通常会自动配好能在命令行直接敲sumo。如果打开终端输入sumo --version没反应要手动把SUMO安装目录比如C:\Program Files (x86)\Eclipse\Sumo下的bin文件夹加到系统PATH里。除了SUMO本体我还建议安装两个辅助工具Python 3.8以上因为后面生成随机交通流要用到randomTrips.py脚本处理路径文件也要用到各种Python工具脚本。QGIS可选项用来看OSM数据有没有下载完整、检查高架和地面道路的拓扑关系。如果不想装QGIS也可以先用Netedit凑合看但QGIS看大范围地理数据真的很爽。2.2 获取上海市高架OSM路网数据获取OSM数据有几种方式我推荐用直接下载区域提取文件的方式而不是在网页上手动导出因为网页导出有节点数量限制上海市全范围经常导出失败。公开的区域提取服务包括Geofabrik和BBBike。Geofabrik是分国家/州下载的中国大陆的数据在asia/china目录下文件很大几百MB解压后全中国数据对SUMO来说太大需要裁剪。BBBike可以按城市范围生成自定义提取支持上海市范围但免费用户一天有次数限制。更灵活的方式是用osmium命令行工具处理比如从中国数据里裁剪出一个以人民广场为中心、边长30公里的方形区域osmium extract -b 121.40,31.10,121.70,31.35 china-latest.osm.pbf -o shanghai_extract.osm.pbf如果不想装osmium在OpenStreetMap官网的导出界面直接框选上海高架核心区也可以只要区域不超过一定范围就会返回.osm的XML格式数据。注意观察右下角的OSM数据如果提示“数据过大”就缩小范围比如分内环、中环、外环分别导出。这里有个非常重要的点导出OSM数据时不要把整个上海市都框进去。高架仿真初始阶段我们只需要高架主线加两侧地面道路范围控制在20公里乘20公里以内就能保证路网规模适中转换速度快画面也清楚。2.3 数据预处理思路OSM文件里有乱七八糟的元素建筑物、河流、边界、铁路、POI等。SUMO的netconvert虽然会忽略大部分无关内容但如果数据里有奇怪的铁路交叉或者水域边界可能引发转换警告。所以我习惯在正式转换前用QGIS初步看一眼数据。如果你不想用QGIS也可以在OSM官网按道路类型过滤但在导出时并不能过滤只能靠后面命令行参数。3. 路网构建从OSM到SUMO路网的完整流程3.1 用netconvert把OSM转成SUMO路网SUMO官方推荐把原始.osm文件通过netconvert转成.net.xml。最基本的一条命令是netconvert --osm-files shanghai.osm --output-file shanghai.net.xml这条命令执行后会得到完整路网但你可能很快会发现问题路网包含了太多小街道跑起来全是密集网格高架主线反而不显眼。我在第一次转换上海数据时就遇到过这个问题仿真画面像一块电路板根本看不清交通流怎么走。为此需要过滤路网类型。上海高架主体在OSM中通常是motorway和trunk匝道对应motorway_link和trunk_link。转换时可以增加--type-file参数用类型映射文件把不想用的道路类型过滤掉或者更简单的方法是直接用--keep-edges.by-type参数只保留指定类型netconvert --osm-files shanghai.osm --output-file shanghai.net.xml --keep-edges.by-type highway.motorway,highway.motorway_link,highway.trunk,highway.trunk_link不过highway类型的判断取决于OSM标签是否规范。上海有些高架会标成primary所以一开始保留primary和primary_link也可以。总之根据你的仿真目标来如果只想看高架就只保留motorway和trunk如果想看高架加主要集散道路就加上primary。3.2 高架路网的特殊处理匝道和层高普通地面路网转换很直接但高架桥最大的问题在于高架主线和地面道路在空间上重叠SUMO必须在拓扑上把它们分成互不相通的节点否则会识别成交叉口。OSM数据通常用layer标签来区分道路层数高架是layer1或者layer2地面是layer0。netconvert默认会根据layer自动判断是否可以互相连接。但实践中有很多意外情况部分匝道没标layer直接和地面道路产生了连接或者高架主线跨过地面交叉口时节点被合并导致车流能“凭空”从高架跳到地面。这类问题只能通过Netedit人工检查。我常用的检查方法是转完路网后用netedit shanghai.net.xml打开在“边选择”模式下筛选highwaymotorway对应的边看高架主线是否连续再打开“连接”模式找到高架交界处有没有多出来的连接。最常见的错误是高架主线在与地面道路交叉的位置多出来一个直角转弯连接这几乎都是因为OSM数据里两条道路共享了一个节点。3.3 用NETEDIT修补路网的实操技巧Netedit是SUMO自带的图形化路网编辑器功能非常强但界面需要适应一下。我简单说几个新手最常用的操作选中一条边按i键可以编辑边的属性比如numLanes、speed、allow等。选中边后按x键可以拆分这条边在特定位置插入一个节点这个操作在修正高架匝道分合流位置时特别有用。如果要删除错误的连接先切换到“连接”模式选中连接线删除。如果要单独设置高架入口可以在两条边之间手动添加一条边注意设置layer以保持立体关系。Netedit里有太多功能新手不要指望一次全会只看自己能用到的那几个就可以。我第一次修复上海中环某个匝道逻辑花了半小时但正因为手动修了一次才对SUMO路网的数据结构有了真正的感觉。3.4 生成交通需求从随机车流到OD矩阵路网建好只是骨架要在上面跑车还得生成流量。最快捷的方式是用SUMO工具集的randomTrips.py脚本python tools/randomTrips.py -n shanghai.net.xml -r shanghai.rou.xml -e 3600 -p 2 --random --seed 42参数含义-e仿真结束时间秒-p每辆车的平均间隔--random表示随机OD--seed固定随机种子以便复现。这样生成3600秒1小时的随机车流大约有1800辆车。注意默认情况下randomTrips.py会生成起点终点都在路网节点上的路径但路径是否连通用的是SUMO的duarouter所以还需要再执行duarouter -n shanghai.net.xml -r shanghai.rou.xml -o shanghai.od.rou.xml --remove-loops--remove-loops是为了删除路径中的绕圈部分避免车流反复转圈。如果你只是跑随机流这个办法效果还不错。但随机流不是真实的交通流它只会造成满路网均匀分布的车不会形成早晚高峰的潮汐现象。如果想模仿上海高架的拥堵需要自己定义分时段的OD矩阵或者使用活动模型生成交通。这类内容超纲了初学者能先用随机流跑通全部流程、看懂输出结果就已经达到了入门目标。3.5 配置文件怎么写SUMO仿真需要一套或两套文件路网文件、需求文件、附加文件检测器、红绿灯等然后通过一个.sumocfg文件把它们组织起来。一个最简单的配置如下?xml version1.0 encodingUTF-8? configuration input net-file valueshanghai.net.xml/ route-files valueshanghai.od.rou.xml/ /input time begin value0/ end value3600/ /time /configuration这个配置表示从0秒仿真到3600秒。保存成shanghai.sumocfg后在命令行运行sumo-gui shanghai.sumocfg就能看到图形界面跑起来了。如果只想跑无界面的版本用sumo shanghai.sumocfg。4. 仿真运行与可视化的关键操作4.1 SUMO GUI里的几个必会操作第一次打开SUMO GUI很多人会被一堆按钮搞晕。其实只需要记住几个关键操作鼠标左键拖动是平移视图滚轮是缩放按住左键双击某个元素可以查看属性。左侧边栏的“车辆”选项卡可以实时查看每辆车的ID、速度、位置。视图菜单里有多种着色方式新手建议选“速度”着色能看到哪里是绿色畅通、哪里是红色拥堵。仿真控制按钮中有一个“停止”按钮和“单步”按钮。想快速看到结果可以把仿真速度调高或者直接关闭“真实速度”选项让SUMO跑得越快越好。在跑上海高架的时候我习惯先把仿真速度调到64倍速看着全局车流变化等车流开始受阻后暂停切换到局部车道视角观察瓶颈。4.2 用检测器量化拥堵只是肉眼看不够最好加几个检测器输出量化数据。SUMO支持多种检测器最简单的是lane area detectorE2和induction loopE1。在配置文件中加入附加文件后运行仿真就会生成对应输出文件。我常用一个简单的E1检测器来统计某条高架横断面的车流量additional inductionLoop iddet_1 lanegneE0_0 pos100 freq300 filedet_1.xml/ /additionallane取值来自路网文件用Netedit选中目标车道就能看到ID。freq300表示每300秒聚合并输出一次。然后把附加文件加入.sumocfgadditional-files valuedet.add.xml/跑完以后det_1.xml里会按时间间隔输出车流量和平均速度用Excel或者Python处理一下就能画出高架断面流量变化图。4.3 保存仿真结果与轨迹数据如果你需要逐车轨迹做后处理需要在配置文件中增加fcd-outputoutput fcd-output valuefcd.xml/ /output这个文件会记录每辆车每一秒的位置和速度体积非常大一小时仿真可能生成数百MB文件。谨慎开启。也可以用netstate-dump达到类似效果但FCD更常用。初学者如果只是练手用实时GUI输出几张截图就够了没必要急着导FCD。5. 新手常见问题与排查实录5.1 典型问题速查表我在做上海高架仿真的过程中把初学者的高频问题整理成了表格遇到报错可以先对照一下。问题现象常见原因解决方法netconvert报错“Failed to determine node geometry”OSM数据中存在断头路或孤立节点只保留需要的高速路类型或者用--ramp-guess参数尝试自动补全匝道路网转换成功但高架和地面道路互相穿越两条道路共享节点或layer信息缺失用Netedit手动断开错误连接给高架边设置正确的layer值仿真时大量车辆“不去任何地方”在起点附近消失duarouter生成路径失败或OD起点终点不通检查需求文件里对应路线是否有完整路径必要时用--repair参数重新生成车辆在匝道口突然急停匝道车流与主线车流冲突且没有足够加减速空间在Netedit中检查匝道与主线的合并角度适当调整车道连接或降低流量重新随机生成randomTrips.py无法导入SUMO模块Python环境变量未设置正确把tools目录加入PYTHONPATH确保安装的是Python 3sumo-gui启动后黑屏无路网路网文件没加载或配置文件路径不对检查命令执行路径确认.net.xml文件存在且非空5.2 新手最容易忽略的三个坑第一个坑是坐标系统。从OSM下载的数据自带经纬度坐标系WGS84netconvert默认会转换成SUMO内部使用的平面坐标系但城市规模较大的时候转换后的路网可能出现轻微偏移。如果偏移极其严重检查一下OSM数据范围是否跨越了UTM分带边界。上海在UTM 51N带内一般不严重。万一出现偏移可以用--proj.utm等参数强制指定投影。第二个坑是车道方向。真实高架有单向车道和双向车道OSM数据里用oneway表示。如果netconvert转换时看不到oneway可能把双向两车道当成单向两车道导致整条路变成“仅允许一个方向”。这时要去OSM原始数据里检查该路段的标签或者在Netedit手动改spreadType和方向。第三个坑是需求文件里的起点终点必须落在可停车的位置。有些边被allow属性限制成只能走某种车型或者某些边是禁行的随机生成的路径一旦需要经过这些边就会失败。遇到这类问题我建议先检查车辆是否出现在网络边缘把问题路径拖到Netedit中手动查看。5.3 调参时的经验心得给新手一个很实用的调参顺序先跑通、再调路网、再调流量、最后调模型。跑通阶段流量调小一点比如每辆车间隔-p 10秒车辆少路径计算也快。调路网阶段重点观察车辆通过匝道时的轨迹是否合理这比看整条路网的拥堵更重要。调流量阶段从-p 4秒逐步收紧到-p 1秒感受流量增加对高架瓶颈的影响。最后调模型阶段可以尝试修改SUMO车辆的accel、decel和sigma等驾驶行为参数观察跟驰和换道的变化。这里有一个我在上海高架场景中得到的直观感受SUMO默认的跟驰模型偏向保守在拥堵状态下车头时距控制得很好但如果流量突然下降后恢复会有明显的滞后。做仿真时不要指望数字和现实完全一致它的价值在于对比不同方案之间的相对差异。6. 进一步扩展从路网到真实OD数据如果随机车流已经不能满足你下面两个方向是初学者进阶的好选择。第一个方向是用真实OD数据生成需求。可以通过调查或者公开数据获取各出入口的流量比例然后用od2trips工具生成更真实的车流。操作复杂度上升但能做出更具说服力的仿真。第二个方向是结合TraCI做动态控制。比如通过TraCI在仿真过程中实时修改高架匝道控制信号让车辆在主线拥堵的时候减少匝道进入。由于TraCI支持Python你可以直接控制每一辆车甚至可以做一个简单的拥堵监测算法。对上海高架来说这类应用的意义很实际研究高架匝道控制、分析限行政策对交通流的影响乃至评估智能网联车辆混入后的路网效率SUMO都能提供比较低成本的验证环境。当然这些都属于后话初学者先把静态路网和随机流跑通再往这个方向走也不迟。7. 写在最后的几点建议我个人在实际操作中体会到SUMO入门最忌讳的就是一开始想跑大而全的真实路网结果被报错淹没。做上海高架仿真建议分三步走先用小范围、高架主线加少量匝道跑通再扩展范围到完整的内环加中环观察路网结构最后再添流量和红绿灯加入地面道路。每一步都保留一份能正常运行的配置方便回溯。另外一个实用的小技巧把原始的.osm文件、生成的.net.xml、.rou.xml和.sumocfg放在同一个项目文件夹里文件名别用中文和空格。SUMO对文件路径有历史包袱很多莫名其妙的问题都出在路径处理上。目录结构可以这样安排shanghai_sumo/ ├── data/ │ ├── shanghai.osm │ └── shanghai.net.xml ├── demand/ │ ├── shanghai.rou.xml │ └── shanghai.od.rou.xml ├── output/ │ ├── fcd.xml │ └── det_1.xml └── shanghai.sumocfg最后再强调一遍“能跑通”比“跑得真实”重要。初学阶段最主要的任务是理解SUMO的文件流OSM是源、netconvert生成了路网、randomTrips和duarouter生成了车辆、sumo/sumo-gui执行仿真、输出数据用于分析。这条流水线通了后面所有高级玩法才有基础。上海高架路网是一个复杂度适中的研究对象拿它练手既能体会真实城市快速路的关键特征又不至于像全城路网那样难以驾驭。希望这篇分享能帮你顺利跑出第一个属于自己的SUMO仿真。本文还有配套的精品资源点击获取