一、SUMO入门：从零认识这款交通仿真神器

大家好，我是你们这门课的老朋友。今天咱们聊聊SUMO——这个在交通仿真圈子里绕不开的名字。

说实话，我第一次接触SUMO是在2015年。那时候刚接手一个城市路网优化项目，甲方要求仿真精度高、开源免费、还得能跑大规模路网。我翻遍了市面上的工具，最后锁定了SUMO。嗯，这一用就是好几年。

1.1 SUMO到底是什么？

SUMO，全称是 Simulation of Urban MObility，直译过来就是「城市交通仿真」。它是一款开源、微观、多模式的交通仿真软件包。

我习惯把它理解成「交通世界的沙盘」——你可以在里面搭建道路、设置信号灯、定义车辆行为，然后观察整个交通系统怎么跑。说白了，就是先模拟、再优化，避免在真实道路上「交学费」。

1.2 SUMO的发展历史：从实验室走向工业界

SUMO 的故事要从2001年说起。德国航空航天中心（DLR）的几位研究员觉得市面上的商业仿真软件太贵、太封闭，于是决定自己写一个开源的。

• 2001年：项目启动，最初只支持简单的单车道跟驰模型
• 2004年：发布第一个公开版本，支持多车道和交叉口
• 2010年：加入交通信号控制、公交仿真、排放模型
• 2015年：支持大规模并行仿真，能跑百万级车辆
• 2020年至今：集成深度学习接口、V2X通信仿真、数字孪生

我记得2017年做项目时，SUMO还只能跑几万辆车。现在呢？我去年帮一个城市做全域路网仿真，跑了120万辆车，SUMO照样扛得住。这进步速度，确实让人佩服。

1.3 SUMO的核心功能：它能做什么？

很多新手问我：「SUMO到底能干啥？」我一般会列这几点：

1. 路网建模——从OpenStreetMap导入真实路网，也可以手动画路
2. 交通需求生成——支持OD矩阵、随机车流、基于活动的出行链
3. 微观仿真——每辆车都有独立的跟驰、换道、变道行为
4. 信号控制——支持固定配时、感应控制、自适应控制
5. 多模式交通——汽车、公交、自行车、行人、轨道交通都能模拟
6. 排放与能耗——内置HBEFA、PHEM等排放模型
7. TraCI接口——通过Python实时控制仿真，做强化学习、动态路径诱导

1.4 SUMO在交通仿真中的地位

咱们把话说直白点：在交通仿真这个领域，商业软件有VISSIM、Aimsun、TransModeler，开源软件有SUMO、MATSim、MITSIMLab。SUMO的位置在哪里？

对比维度	SUMO	VISSIM（商业）	MATSim（开源）
仿真粒度	微观（每辆车）	微观	宏观/中观
开源免费	✅ 完全开源	❌ 昂贵	✅ 开源
大规模仿真	优秀（百万级）	一般（万级）	优秀（千万级）
二次开发	Python/C++接口	COM接口（有限）	Java接口
路网导入	OSM、OpenDRIVE	专有格式	OSM

我个人觉得，SUMO最大的优势在于三点：开源、可编程、大规模。你想想看，一个高校实验室想搞交通AI研究，买VISSIM一套下来十几万，学生还不能随便改代码。SUMO呢？下载即用，想改底层模型？C++源码摆在那里，随便改。

我曾经帮一家自动驾驶公司做仿真测试平台。他们要求仿真器能跟ROS通信、能模拟V2X场景、还能跑上千辆车的混合交通流。商业软件要么不支持，要么贵得离谱。最后我们用SUMO + TraCI + Carla搭了一套混合仿真平台，效果出奇的好。

1.5 本章知识体系总览

下面这张图，是我自己梳理的SUMO入门知识框架。你可以把它当成一张「地图」，后续章节都会围绕这些模块展开。

1.6 为什么选择SUMO？

最后我想说点实在的。市面上仿真工具不少，但SUMO有几个特质让我一直用它：

• 完全免费——没有功能阉割，没有节点限制，学生和创业团队都能用
• 生态成熟——社区活跃，文档齐全，遇到问题基本都能搜到答案
• 扩展性强——从单路口到城市级路网，从传统交通到自动驾驶，都能覆盖

我曾经遇到一个坑：用SUMO导入某城市的OSM路网时，发现交叉口车道连接全乱了。后来查文档才发现是OSM数据本身的问题，需要手动修正。嗯，这种坑踩多了，经验也就攒下来了。后面章节我会专门讲怎么避这些坑。

好了，这一章就到这里。记住一句话：SUMO不是万能的，但在开源微观仿真这个领域，它确实是最能打的那个。