01
交通流基础
交通流三参数（流量、密度、速度）的定义与关系，基本图理论。
基本图三参数
02
跟驰模型（上）
GM模型、刺激-反应框架，安全距离模型。
GM安全距离
03
跟驰模型（下）
智能驾驶员模型（IDM）原理与Python实现。
IDMPython
04
换道模型
MOBIL模型与LC2013模型，换道决策逻辑。
MOBILLC2013
05
宏观交通流模型
LWR模型、CTM模型（元胞传输模型）。
LWRCTM
06
随机交通流生成
泊松分布、负二项分布生成车辆到达，时间间隔模拟。
泊松随机
07
场景定义与参数化
道路几何（直道、弯道、匝道）、交通控制（信号灯、限速牌）。
几何控制
08
SUMO基础
SUMO安装、netedit路网编辑器、配置文件结构。
SUMOnetedit
09
SUMO高级
TraCI接口、Python控制SUMO仿真。
TraCIPython
10
SUMO场景批量生成
使用Python脚本批量生成.rou.xml和.net.xml。
批量脚本
11
VISSIM基础
VISSIM COM接口、Python调用VISSIM进行仿真。
COMVISSIM
12
VISSIM场景批量生成
参数化VISSIM场景，批量运行与数据提取。
参数化批量
13
CARLA基础
CARLA安装、Python API、传感器配置。
CARLA传感器
14
CARLA场景批量生成
使用Python脚本生成多变的交通场景。
批量Python
15
场景生成框架设计
模块化设计，配置驱动，可扩展性。
模块化配置
16
数据驱动场景生成
基于NGSIM、HighD等真实数据集提取场景。
NGSIMHighD
17
对抗性场景生成
生成极端工况（急刹、切入、行人鬼探头）。
极端对抗
18
场景库构建
场景分类、标签体系、存储格式（JSON/YAML）。
JSONYAML
19
场景库管理
版本控制、检索、可视化。
版本检索
20
仿真结果分析
轨迹数据处理、碰撞检测、指标计算（TTC、DRAC）。
TTCDRAC
21
可视化
Matplotlib绘制轨迹图、时空图，PyVista 3D可视化。
MatplotlibPyVista
22
并行仿真
多进程、多线程加速批量仿真。
多进程加速
23
云原生仿真
Docker容器化仿真环境，Kubernetes集群管理。
DockerK8s
24
强化学习环境构建
将场景生成与RL环境（Gym）结合。
RLGym
25
自动驾驶感知场景生成
生成包含不同光照、天气、障碍物的场景。
光照天气
26
场景复杂度度量
定义场景复杂度指标（交互密度、冲突概率）。
复杂度冲突
27
场景覆盖度分析
基于OEDR（事件与决策）的覆盖度评估。
OEDR覆盖
28
场景生成质量评估
真实性、多样性、挑战性评估方法。
真实性多样性
29
项目实战（一）
构建一个高速公路场景生成器。
高速实战
30
项目实战（二）
构建一个城市交叉口场景生成器。
交叉口实战