4. 交通需求生成：用 flowrouter.py 搞定 OD 矩阵和车辆文件

好，咱们进入第四讲。前面几章我们把路网搭好了，检测器也布上了。但有个关键问题——车从哪来？往哪去？

说白了，交通仿真最核心的就是这个“需求”。没有车流，路网再漂亮也是空架子。今天我就带你用 SUMO 自带的 flowrouter.py 工具，把 OD 矩阵和车辆文件一气呵成地生成出来。

4.1 什么是 OD 矩阵？为什么需要它？

OD 矩阵，全称 Origin-Destination Matrix。你想想看，它就是个表格，记录着“从哪出发、到哪结束”的车辆数量。

举个例子：

这个表的意思是：从东门出发去西门有 120 辆车，去南门 80 辆。西门到东门 90 辆……嗯，一目了然。

我在项目中遇到过，有人直接用 Excel 手填 OD 矩阵，然后手动写 .rou.xml 文件。那叫一个痛苦，改一次数据要折腾半天。所以，咱们得用工具自动化。

4.2 flowrouter.py 是什么？

flowrouter.py 是 SUMO 自带的一个 Python 脚本。它的核心能力是：根据检测器数据或已知的 OD 矩阵，自动生成车辆路径文件。

说白了，你给它一个“需求描述”，它帮你算出每辆车该走哪条路，然后生成 .rou.xml 文件。

我个人习惯把 flowrouter.py 放在 SUMO_HOME/tools/ 目录下。使用时记得加路径，或者把它加到环境变量里。

4.3 准备工作：你需要哪些输入文件？

在运行 flowrouter.py 之前，你得准备好三样东西：

• 路网文件 (.net.xml)——我们已经有了
• 检测器定义文件 (.add.xml)——上一章生成的
• 检测器数据文件 (.xml 或 .csv)——可以是实测数据，也可以是模拟数据

如果你没有实测数据，也别慌。flowrouter.py 支持你直接给一个 OD 矩阵，它自己会推算路径。

4.4 实战：用 flowrouter.py 生成车辆文件

好，咱们直接上手。假设你有一个 OD 矩阵文件 my_od.csv，内容如下：

from,to,count
edge1,edge5,100
edge2,edge6,150
edge3,edge7,80
edge4,edge8,120

注意，这里的 from 和 to 是路网中的 边 ID（edge id）。不是节点 ID，也不是路口名称。这个坑我踩过，第一次用的时候写成了节点 ID，结果 flowrouter.py 报错说找不到边。

然后运行命令：

python flowrouter.py -n my_network.net.xml -o my_od.csv --output-file my_routes.rou.xml

参数说明：

• -n：路网文件
• -o：OD 矩阵文件
• --output-file：输出的车辆路径文件

运行成功后，你会得到一个 my_routes.rou.xml 文件。打开看看，里面大概长这样：

<routes>
  <vehicle id="0" depart="0.00">
    <route edges="edge1 edge12 edge5"/>
  </vehicle>
  <vehicle id="1" depart="1.00">
    <route edges="edge1 edge12 edge5"/>
  </vehicle>
  ...
</routes>

每辆车都有唯一的 ID、出发时间，以及它要经过的边序列。这就是 SUMO 能识别的车辆文件。

4.5 进阶：用检测器数据反推 OD

如果你有检测器数据，flowrouter.py 还能做更高级的事——反推 OD 矩阵。

我曾经在一个城市主干道的项目中，只有几个路口的线圈检测器数据。当时就是用 flowrouter.py 的 --detector-data 参数，反推出了整个区域的 OD 矩阵。效果还不错，误差在 15% 以内。

命令示例：

python flowrouter.py -n my_network.net.xml -d my_detectors.add.xml -i my_detector_data.xml --output-file my_routes.rou.xml

这里 -d 是检测器定义文件，-i 是检测器数据文件。flowrouter.py 会根据检测器观测到的车流量，自动推算 OD 矩阵和路径。

4.6 核心逻辑：一张图看懂流程

为了让你更直观地理解整个流程，我画了一张 SVG 流程图：

这张图把整个流程串起来了。你从左边输入路网和 OD 数据，中间 flowrouter.py 做推算，右边输出 .rou.xml 文件，最后丢进 SUMO 跑仿真。如果结果不满意，还可以反馈回去调整 OD 矩阵，形成迭代。

4.7 避坑指南：我踩过的几个坑

嗯，这里分享几个实战中容易翻车的地方：

• 边 ID 写错：我曾经把路网中的边 ID 和节点 ID 搞混了。flowrouter.py 报错说“edge not found”。解决办法很简单——用 netedit 打开路网，确认一下边的名字。
• OD 矩阵格式不对：flowrouter.py 对 CSV 的列名有要求，必须是 from,to,count。大小写敏感。我试过写成 From,To,Count，结果脚本直接忽略了我的数据。
• 检测器数据时间不匹配：如果你用检测器数据反推 OD，检测器的时间间隔必须和仿真步长一致。否则推算出来的流量会偏差很大。

4.8 小结

这一章我们讲了怎么用 flowrouter.py 生成 OD 矩阵和车辆文件。从 OD 矩阵的概念，到工具的使用，再到实战命令和避坑指南，应该够你上手了。

你想想看，有了路网、有了检测器、有了车辆文件，一个完整的 SUMO 仿真项目就搭起来了。下一章我们会把这些东西整合到一起，跑一次完整的仿真。

好，今天就到这里。记住，多动手试试，遇到问题别怕，踩坑也是学习的一部分。