一、仿真概述与环境搭建

各位同学好，我是老张。在自动驾驶这个行当摸爬滚打了七八年，今天咱们聊聊仿真这件事。

说实话，刚入行那会儿，我对仿真也是半信半疑。总觉得真车上路跑一跑，什么问题都暴露了，何必费劲搞仿真？直到有一次，我们在测试园区里差点撞上一个突然冲出来的小孩——虽然最后刹住了，但那一脚急刹，让我后背全是冷汗。从那以后，我彻底明白了仿真的价值。

1.1 为什么需要交通仿真？

你想想看，一辆自动驾驶车从研发到量产，要经历多少场景？晴天、雨天、雪天、夜晚、隧道、十字路口、环岛、施工区……光这些组合，就有几万种。如果全靠在真实道路上测试，成本高得吓人，而且很多危险场景根本不敢测。

我个人习惯把仿真的意义归纳为三点：

• 安全第一：在仿真里撞一百次车，都不伤一根毫毛。我曾经在仿真里复现过“鬼探头”场景，让算法反复迭代了三十多次，才最终稳定通过。
• 效率至上：真实测试一天跑几百公里算多了，但仿真可以并行跑，一天跑几万公里轻轻松松。
• 覆盖全面：极端天气、传感器故障、突发事故——这些在真实世界里可遇不可求的场景，仿真里想要多少有多少。

1.2 仿真工具怎么选？

目前主流的开源仿真工具有两个：SUMO 和 CARLA。我简单说说它们的区别。

特性	SUMO	CARLA
定位	微观交通流仿真	高保真传感器仿真
核心能力	路网建模、交通流控制	传感器模拟、场景渲染
适用阶段	算法验证、策略测试	感知算法、规控算法
学习曲线	较平缓	较陡峭

说白了，SUMO 擅长模拟“车流怎么走”，CARLA 擅长模拟“车看到了什么”。在实际项目中，我经常把两者结合起来用——SUMO 生成交通流，CARLA 提供视觉渲染。

1.3 环境搭建：Python + SUMO

嗯，这里要注意。很多新手一上来就装最新版，结果各种依赖冲突。我个人建议用 Python 3.8 或 3.9，兼容性最好。

先装 SUMO。去官网下载安装包，或者用命令行：

# Ubuntu 系统
sudo add-apt-repository ppa:sumo/stable
sudo apt-get update
sudo apt-get install sumo sumo-tools sumo-doc

# 验证安装
sumo --version

装完之后，记得设置环境变量。我曾经在这上面栽过跟头——明明装好了，Python 就是找不到 SUMO 的库。后来发现是环境变量没配。

# 在 ~/.bashrc 中添加
export SUMO_HOME=/usr/share/sumo
export PATH=$PATH:$SUMO_HOME/bin

然后装 Python 接口：

pip install traci
pip install sumolib

1.4 环境搭建：Python + CARLA

CARLA 的安装稍微麻烦一点。因为它需要 GPU 支持，而且版本迭代快。

# 下载 CARLA 包（约 2GB）
wget https://carla-releases.s3.eu-west-3.amazonaws.com/Linux/CARLA_0.9.13.tar.gz
tar -xzf CARLA_0.9.13.tar.gz

# 安装 Python 客户端
pip install carla

启动 CARLA 服务器：

cd CARLA_0.9.13
./CarlaUE4.sh -quality-level=Low

1.5 知识体系总览

说了这么多，咱们用一张图来梳理一下本章的核心内容。

1.6 验证你的环境

环境搭好了，怎么知道对不对？写个简单的测试脚本跑一下。

# test_sumo.py
import traci
import sumolib

# 启动 SUMO 仿真
sumoBinary = "sumo-gui"
sumoCmd = [sumoBinary, "-c", "my_sumo.sumocfg"]
traci.start(sumoCmd)

# 获取车辆数量
vehicle_count = traci.vehicle.getIDCount()
print(f"当前仿真中的车辆数：{vehicle_count}")

# 关闭仿真
traci.close()

如果能正常打印出车辆数，恭喜你，环境搭建成功了。

好了，这一章的内容就到这里。环境搭好了，下一章咱们就开始真正构建交通场景了。