3、Python与SUMO交互：TraCI接口介绍、Python连接SUMO、控制仿真步进

说实话，很多做自动驾驶仿真的朋友，一开始都卡在「怎么让Python和SUMO说话」这一步。SUMO本身是个独立的交通仿真引擎，它跑它的，你写你的Python脚本，两者怎么打通？

答案就是TraCI——Traffic Control Interface。说白了，这就是SUMO留给外界的「API窗口」。我最早接触TraCI的时候，觉得它像个遥控器：你按一下「开始」，SUMO就跑一步；你按一下「暂停」，它就停下来等你发指令。

3.1 TraCI是什么？

TraCI全称Traffic Control Interface，是基于TCP的客户端-服务器协议。SUMO作为服务器，Python脚本作为客户端。你通过TraCI发送命令，SUMO执行并返回结果。

我个人习惯把TraCI理解成「桥梁」。这座桥梁两端，一端是SUMO的仿真世界，另一端是你的Python逻辑。没有它，你只能看着SUMO自己跑，没法干预。

核心特点：

基于TCP通信，端口默认是8813
支持读取仿真状态（车辆位置、速度、信号灯状态等）
支持控制仿真对象（改变车辆路线、切换信号灯、插入车辆等）
每个仿真步进都可以交互

嗯，这里要注意：TraCI不是一次性把所有数据推给你的。它是「你问一句，它答一句」的模式。你想想看，如果你要实时获取1000辆车的状态，就得循环发1000次请求。所以性能优化是个坑，我后面会讲。

3.2 Python连接SUMO的两种方式

我在项目中遇到过两种连接场景，一种是「启动SUMO并自动连接」，另一种是「连接已经运行的SUMO」。两种方式各有用途。

方式一：通过Python启动SUMO并连接

这是最常用的方式。你写一个Python脚本，让它帮你启动SUMO，然后自动连上。

import traci
import sumolib

# SUMO的二进制路径
sumo_binary = "sumo-gui"  # 或者用"sumo"（无界面）

# 配置文件路径
sumo_cfg = "my_scenario.sumocfg"

# 启动SUMO并连接
traci.start([sumo_binary, "-c", sumo_cfg, "--step-length", "0.1"])

print("SUMO已启动，TraCI连接成功！")

# 开始仿真步进
for step in range(100):
    traci.simulationStep()
    # 这里可以获取数据或控制对象

# 关闭连接
traci.close()

这段代码我用了无数次。注意--step-length参数，它控制仿真步长。0.1秒一步，意味着1秒仿真时间对应10个步进。我建议新手先用0.1秒，别太细，否则调试时眼睛跟不上。

方式二：连接已运行的SUMO

有时候你已经在命令行里手动启动了SUMO，或者SUMO是别人启动的。这时候可以用traci.init()来连接。

import traci

# 假设SUMO已经在端口8813上运行
traci.init(port=8813)

print("已连接到运行中的SUMO实例")

# 控制仿真步进
while traci.simulation.getMinExpectedNumber() > 0:
    traci.simulationStep()
    # 你的逻辑...

traci.close()

这种方式我一般在调试阶段用。先手动启动SUMO-GUI，看着界面调参数，然后另开一个终端跑Python脚本。这样能直观看到每一步的效果。

避坑指南：我曾经犯过一个低级错误——忘记关闭TraCI连接。如果你在脚本里开了TraCI但没调用traci.close()，SUMO进程会一直挂着，下次启动时会报端口被占用。解决办法：要么手动杀进程，要么在脚本里用try...finally保证关闭。

3.3 控制仿真步进

仿真步进，说白了就是「让仿真往前走一小步」。TraCI里用traci.simulationStep()来实现。但这里有个细节：你可以控制步进的时间长度。

基本步进控制

import traci

traci.start(["sumo", "-c", "demo.sumocfg"])

# 单步前进，默认步长由sumocfg决定
traci.simulationStep()

# 前进到指定时间点（单位：秒）
traci.simulationStep(10.0)  # 直接跳到第10秒

# 连续步进
for t in range(0, 100):
    traci.simulationStep(t * 0.1)  # 每步0.1秒
    # 获取当前仿真时间
    current_time = traci.simulation.getTime()
    print(f"当前仿真时间：{current_time}秒")

你想想看，为什么要有simulationStep(10.0)这种跳转？我在做大规模场景测试时，经常需要跳过前面的「预热阶段」。比如前100秒都是车辆初始化，我不想看，直接跳到第100秒开始采集数据。这样能节省大量仿真时间。

获取仿真状态

步进过程中，你肯定想知道当前仿真跑成什么样了。TraCI提供了一堆查询接口：

功能	代码示例	说明
获取当前时间	`traci.simulation.getTime()`	返回当前仿真时间（秒）
获取车辆总数	`traci.simulation.getMinExpectedNumber()`	返回还在仿真中的车辆数
获取所有车辆ID	`traci.vehicle.getIDList()`	返回当前所有车辆的ID列表
获取车辆位置	`traci.vehicle.getPosition(veh_id)`	返回(x, y)坐标
获取车辆速度	`traci.vehicle.getSpeed(veh_id)`	返回速度（m/s）

我的小技巧：每次步进后，我习惯先调用traci.simulation.getMinExpectedNumber()检查是否还有车辆。如果返回0，说明仿真结束了，可以跳出循环。否则你可能会陷入死循环，一直步进到天荒地老。

3.4 一个完整的交互示例

把上面这些串起来，就是一个完整的TraCI交互流程。我写个简单例子：启动仿真，每步打印当前时间和车辆数，跑完自动关闭。

import traci

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

step = 0
max_steps = 500

while step < max_steps:
    # 执行一步仿真
    traci.simulationStep()
    
    # 获取当前时间
    sim_time = traci.simulation.getTime()
    
    # 获取当前所有车辆
    vehicles = traci.vehicle.getIDList()
    
    print(f"步进{step}: 时间={sim_time:.1f}s, 车辆数={len(vehicles)}")
    
    # 如果没车了，提前结束
    if traci.simulation.getMinExpectedNumber() == 0:
        print("所有车辆已离开仿真区域")
        break
    
    step += 1

# 关闭连接
traci.close()
print("仿真结束")

这段代码跑起来，你会看到控制台每0.1秒打印一行。嗯，这就是最基础的「Python控制SUMO」流程。你可以在while循环里加任何逻辑——改变车辆路线、触发事故、切换信号灯，都行。

3.5 知识体系总览

为了让你更直观地理解本章的知识结构，我画了一张流程图：

这张图把整个流程串起来了。你从左上角开始，先启动SUMO，再建立连接，然后进入步进循环——循环里你可以做三件事：获取状态、控制对象、执行步进。最后别忘了关闭连接。

我个人觉得，TraCI最强大的地方不在于它提供了多少接口，而在于它让你能在「每个仿真步进」里做决策。这意味着你可以写一个「智能体」，根据当前交通状况实时调整策略。这才是复杂交通场景仿真的精髓。

本章要点回顾：

TraCI是Python与SUMO交互的桥梁，基于TCP协议
两种连接方式：traci.start()启动并连接，traci.init()连接已有实例
仿真步进用traci.simulationStep()，可以指定时间点跳转
步进循环中可查询车辆、信号灯、仿真时间等状态
务必在结束时调用traci.close()释放资源

好了，这一章就到这里。你先把TraCI的基本用法跑通，后面章节我们会用它做更复杂的事情——比如动态插入车辆、实时切换信号灯方案、甚至模拟突发事故。路要一步一步走，先把步进控制练熟。

📚 课程目录

3、Python与SUMO交互：TraCI接口介绍、Python连接SUMO、控制仿真步进

3.1 TraCI是什么？

3.2 Python连接SUMO的两种方式

方式一：通过Python启动SUMO并连接

方式二：连接已运行的SUMO

3.3 控制仿真步进

基本步进控制

获取仿真状态

3.4 一个完整的交互示例

3.5 知识体系总览