1、SUMO入门：交通仿真概述、SUMO发展史、SUMO核心功能与应用场景、SUMO与其他仿真软件对比

1.1 交通仿真到底是个啥？

先聊聊交通仿真。说白了，就是用计算机来模拟真实的交通流。你想想看，一条路上车怎么走、红绿灯怎么变、路口会不会堵——这些都能在电脑里跑一遍。

我刚开始接触这行的时候，也觉得挺玄乎。后来做了几个项目才明白，交通仿真本质上就三件事：建模、计算、分析。你把路网画出来，把车辆放进去，然后看它们怎么跑。

为什么要做仿真？原因很简单——你不可能在真实道路上随便改红绿灯方案来试错。那会造成什么后果？堵车、事故、投诉电话打爆。但在仿真环境里，你想怎么改都行，改完跑一遍就知道效果了。

1.2 SUMO的发展史——一个德国开源项目的成长

SUMO全称是"Simulation of Urban MObility"，城市交通仿真。它诞生于2001年，德国航空航天中心（DLR）搞出来的。

我记得第一次用SUMO是2015年，那时候版本才0.22。说实话，界面很简陋，文档也不全。但它的核心架构非常扎实——微观仿真、开源、可扩展，这三个特点让我决定用它。

这些年SUMO的发展速度很快：

• 2001年：项目启动，最初只是内部研究工具
• 2008年：发布0.10版本，开始支持TraCI接口——这个太重要了，意味着你可以用Python控制仿真
• 2012年：加入交通分配功能，不再是简单的车辆跟驰
• 2017年：版本1.0发布，标志着成熟稳定
• 2023年：最新版本1.19，支持大规模路网、多模态交通、甚至自动驾驶仿真

为什么SUMO能活下来并且越来越强？我个人觉得有两点：一是开源社区的贡献，二是德国人做事的严谨。它的代码质量很高，每个版本都有详细的更新日志。

1.3 SUMO的核心功能——它能做什么？

SUMO能做的事情，比你想象的多。我挑几个最常用的来说：

1.3.1 微观交通仿真

这是SUMO的看家本领。每辆车都有自己的行为模型——跟驰、换道、路口让行。你可以设置每辆车的：

• 最大速度、加速度
• 驾驶风格（激进还是保守）
• 出发时间、路线
• 甚至车辆长度和颜色

1.3.2 路网编辑与导入

SUMO支持多种方式创建路网：

• 用Netedit手动画——适合小场景
• 从OpenStreetMap导入——适合真实城市
• 用netconvert转换其他格式——适合已有数据

我在项目中遇到过最头疼的事，就是OSM导入的路网太乱。后来学了一招：先用OSM筛选出主干道，再手动补充支路，效率高很多。

1.3.3 TraCI接口

这是SUMO的灵魂。TraCI（Traffic Control Interface）让你用Python实时控制仿真。你可以：

• 动态改变红绿灯方案
• 获取每辆车的实时位置和速度
• 在仿真运行中插入新车辆
• 实现车路协同、自动驾驶算法

# 一个简单的TraCI示例
import traci

# 启动SUMO仿真
traci.start(["sumo-gui", "-c", "my_simulation.sumocfg"])

# 跑100步仿真
for step in range(100):
    traci.simulationStep()
    
    # 获取所有车辆的速度
    vehicles = traci.vehicle.getIDList()
    for veh in vehicles:
        speed = traci.vehicle.getSpeed(veh)
        print(f"车辆 {veh} 当前速度: {speed} m/s")

# 关闭仿真
traci.close()

1.3.4 交通需求生成

SUMO提供了多种方式生成车流：

• 随机生成：适合测试场景
• OD矩阵：基于起终点对生成
• 活动链：模拟人的出行行为（上班、购物、回家）
• 真实数据导入：从地磁线圈、GPS轨迹等数据生成

1.4 应用场景——SUMO能解决什么问题？

我这些年用SUMO做过不少项目，总结下来主要有这几类：

场景	典型问题	SUMO能做什么
信号灯优化	路口经常堵车	模拟不同配时方案，找到最优解
交通规划	新建道路对周边的影响	对比建路前后的交通流变化
自动驾驶	算法在真实交通中的表现	用SUMO模拟其他车辆，测试自动驾驶决策
应急管理	事故后的交通疏导	模拟事故场景，评估疏导方案
环境影响	车辆排放对空气质量的影响	SUMO内置排放模型，可计算CO2、NOx等

嗯，这里要特别说一下自动驾驶测试。我去年帮一个团队做V2X仿真，就是用SUMO模拟周围车辆，用CARLA模拟自动驾驶车辆本身。两者通过TraCI通信，效果出奇的好。

1.5 SUMO与其他仿真软件的对比

市面上交通仿真软件不少，我简单对比一下：

软件	类型	优点	缺点	价格
SUMO	微观、开源	免费、可扩展、TraCI接口强大	学习曲线陡、GUI简陋	免费
VISSIM	微观、商业	界面友好、模型精细、3D可视化	贵、闭源、扩展性差	约10万+/年
TransModeler	中微观、商业	支持大规模路网、GIS集成好	价格高、国内用户少	约15万+/年
MATSim	宏观、开源	适合大规模区域、活动链模型	不关注微观细节、学习成本高	免费
Aimsun	混合、商业	宏观微观一体、API丰富	价格不透明、文档一般	约8万+/年

你可能会问：既然VISSIM那么好用，为什么还要学SUMO？

我的回答是：SUMO给你的是自由。商业软件就像精装修的房子，拎包入住但改不了格局。SUMO是毛坯房，你得自己装修，但想怎么改都行。

举个例子，我有个项目需要在仿真中实现一种新型的信号控制算法。VISSIM的API有限制，很多底层逻辑改不了。但SUMO的TraCI几乎什么都能控制——我甚至可以在仿真运行时动态修改道路限速。

1.6 本章知识体系

下面这张图展示了本章的核心知识结构，我画了很久才理清楚它们之间的关系：

1.7 本章小结

这一章我们聊了：

• 交通仿真的本质——用计算机模拟真实交通
• SUMO的发展历程——从德国研究项目到全球开源工具
• SUMO的核心功能——微观仿真、路网编辑、TraCI、需求生成
• SUMO的应用场景——信号优化、交通规划、自动驾驶等
• SUMO与其他软件的对比——免费但需要学习成本

说实话，SUMO的学习曲线确实有点陡。我刚开始学的时候，光配置环境就折腾了两天。但一旦跨过那个坎，你会发现它真的很强大。

下一章，我们会动手安装SUMO，并跑通第一个仿真。嗯，到时候你就知道它到底有多好玩了。