SUMO 十字路口实验搭建报告（可复现记录）

实验目的

• 目标：构建一个带固定配时信号控制的四进口十字路口 SUMO 仿真环境，并生成24小时的时变交通需求，用于后续实验（如信号配时对通行效率/排队的影响、不同需求水平下的拥堵演化等）。
• 核心输出：车辆行程统计（tripinfo.xml）、排队统计（queue.xml）、全局汇总（summary.xml）、入口检测器流量统计（detector_*.xml）。

工程结构与文件职责（以当前工作区为准）

• 网络/几何与控制

  • intersection.nod.xml：节点定义（中心节点C为信号控制；四端点N/S/E/W为边界）。
  • intersection.edg.xml：道路边定义（每个方向 3 车道；速度上限 13.89 m/s）。
  • intersection.con.xml：车道连接关系（约定：0=右转，1=直行，2=左转）。
  • intersection.tll.xml：信号控制逻辑（tlLogic id="C"，固定配时）。
  • intersection.net.xml：由 netconvert 生成的综合网络文件（仿真实际读取；包含 lane 几何、internal edge、tlLogic、linkIndex 映射等）。

• 需求/车辆

  • generate_routes.py：生成 intersection.rou.xml（24小时、分时变流量、泊松到达）。
  • intersection.rou.xml：路由与车辆出发事件（由脚本生成；仿真读取）。

• 仿真配置与附加设备

  • intersection.sumocfg：SUMO 配置入口（指定 net/rou/add、输出、时间参数、seed 等）。
  • intersection.add.xml：附加设备（入口感应线圈检测器 E1）。

• 脚本

  • build_network.bat：生成 intersection.net.xml + 调用 generate_routes.py 生成 intersection.rou.xml + 快速验证。
  • run_simulation.bat：交互式选择命令行/GUI运行。
  • run_gui.bat：快速 GUI 启动。

仿真全局设定（intersection.sumocfg）

• 仿真时间：begin=0，end=86400（24小时），step-length=1（1秒步长）。
• 随机种子：seed=42（确保可复现）。
• 传送机制：time-to-teleport=-1（禁用 teleport；拥堵会真实积累，但可能导致长时间阻塞）。
• 输出：
  • output/summary.xml：每秒汇总（系统级：loaded/inserted/running/meanSpeed/meanWaitingTime/...）。
  • output/tripinfo.xml：每车行程统计（depart/arrival/duration/waitingTime/timeLoss/...）。
  • output/queue.xml：排队导出（按 timestep 记录车道队列）。

路网拓扑与几何假设（nod/edg/con/net.xml）

节点

• 中心交叉口：C(0,0)，类型：traffic_light。
• 边界节点：N(0,300)、S(0,-300)、E(300,0)、W(-300,0)。

道路边与车道

• 四个进口：N2C、S2C、E2C、W2C（均 numLanes=3）。
• 四个出口：C2N、C2S、C2E、C2W（均 numLanes=3）。
• 速度上限：13.89 m/s（约 50 km/h）。
• intersection.net.xml 中可见进口/出口边长度约 286.4 m（几何由 netconvert 内部计算得到）。

车道功能约定（非常重要）

intersection.con.xml 的注释明确约定：

• fromLane=0：右转
• fromLane=1：直行
• fromLane=2：左转

并在四个方向都按此规则连接到相应出口（例如 W2C：0→C2S，1→C2E，2→C2N）。

信号控制（intersection.tll.xml 与 intersection.net.xml）

linkIndex / state 字符串位置映射（以 intersection.net.xml 为准）

tlLogic 的 state 字符串长度为 12，对应 12 个受控连接（linkIndex=0..11）：

linkIndex	来向边	fromLane	转向	说明（与 state 位置一致）
0	N2C	0	右转	N右
1	N2C	1	直行	N直
2	N2C	2	左转	N左
3	E2C	0	右转	E右
4	E2C	1	直行	E直
5	E2C	2	左转	E左
6	S2C	0	右转	S右
7	S2C	1	直行	S直
8	S2C	2	左转	S左
9	W2C	0	右转	W右
10	W2C	1	直行	W直
11	W2C	2	左转	W左

相位结构（固定配时，程序名 NEMA_fixed）

一个周期由 4 组“绿+黄+全红”组成（其中黄灯 3 秒，全红 2 秒）：

1. 南北左转保护：10s 绿 + 3s 黄 + 2s 全红
2. 南北直行+右转：25s 绿 + 3s 黄 + 2s 全红
3. 东西左转保护：10s 绿 + 3s 黄 + 2s 全红
4. 东西直行+右转：25s 绿 + 3s 黄 + 2s 全红

周期总时长：((10+3+2) + (25+3+2) + (10+3+2) + (25+3+2) = 90) 秒。

交通需求生成（generate_routes.py → intersection.rou.xml）

随机性与可复现性

• 随机种子：RANDOM_SEED = 42，并 np.random.seed(42)。
• 只要代码与输入参数不变，每次生成的 intersection.rou.xml 在统计意义与序列上都可复现。

关键变量（脚本内真实生效值）

• 仿真时长：SIMULATION_DURATION = 86400 秒（24小时）
• 需求更新步长：TIME_STEP = 300 秒（每 5 分钟更新一次流量水平）
• 转向比例（对每个进口方向的基础流量进行拆分）：
  • 直行 0.60
  • 左转 0.25
  • 右转 0.15
• 主方向增益：若路线以 N 或 S 开头，则额外乘以 direction_factor = 1.2（南北方向更大流量）。

备注：generate_routes.py 顶部注释里的“流量分布区间”是“设计意图描述”，而实际仿真以代码里的 base_flow 与分段函数为准（当前 base_flow=300，早晚高峰叠加幅度为 600）。

分时段基础流量函数（单位：veh/h/方向）

脚本用分段规则 get_hourly_flow_rate(hour) 表示一天内变化：

• 早高峰 7–9：以 8 点为峰值，线性形状（通过 peak_factor）
• 晚高峰 17–19：以 18 点为峰值
• 白天 9–17：base_flow + 200
• 晚间 19–23：逐步衰减
• 深夜/凌晨 23–7：base_flow * 0.3

车辆到达过程（泊松过程）

对每个 TIME_STEP 时间窗、每条路线独立生成车辆出发时刻：

• 将每条路线对应的目标小时流量（veh/h）按转向比例折算为该路线流量；
• 换算为每秒到达率 (\lambda = \frac{\text{veh/h}}{3600})；
• 车辆间隔服从指数分布：np.random.exponential(1 / lambda_rate)；
• 将所有路线/时段生成的车辆汇总后按 depart 排序输出到 intersection.rou.xml。

车辆类型（vType）与出发策略（intersection.rou.xml）

• vType（当前生成文件中）：
  • accel=2.6
  • decel=4.5
  • sigma=0.5
  • length=5
  • maxSpeed=16.67 m/s
• 出发车道选择：departLane="best"（SUMO 自行选择“最佳”车道，允许换道策略影响入道车道）
• 出发速度：departSpeed="max"（尽可能以允许的最大速度出发）
• 车辆总数：当前 intersection.rou.xml 含 <vehicle ...> 39256 辆（按文件统计）。

观测与记录设计（intersection.add.xml / 输出目录）

入口感应线圈（E1 检测器）

• 每个进口 3 条车道均布置检测器（共 12 个）：
  • N2C_0/1/2、S2C_0/1/2、E2C_0/1/2、W2C_0/1/2
• 位置：pos=250（沿车道距离起点 250m，靠近交叉口）
• 统计周期：freq=300 秒（与 TIME_STEP 一致，便于对齐需求）
• 输出文件：output/detector_*.xml（例如 output/detector_W2C.xml）

常见字段示例（每 300 秒一个 interval）：flow、occupancy、speed、nVehEntered 等。

仿真输出文件含义（简述）

• output/summary.xml：每秒系统级指标（插入、运行、到达、平均速度/平均等待等）。
• output/tripinfo.xml：每辆车行程级指标（行程时间、等待时间、timeLoss 等）。
• output/queue.xml：每秒队列信息（按车道聚合；文件可能非常大）。

运行方式（Windows 批处理脚本）

• 构建网络 + 生成需求 + 快速验证：运行 build_network.bat
  • 调用 netconvert 生成 intersection.net.xml

    netconvert --node-files=intersection.nod.xml --edge-files=intersection.edg.xml --connection-files=intersection.con.xml --tllogic-files=intersection.tll.xml --output-file=intersection.net.xml --no-turnarounds=true --offset.disable-normalization=true

  • 调用 python generate_routes.py 生成 intersection.rou.xml
  • 调用 sumo -c intersection.sumocfg ... -e 10 做短时验证
• 运行仿真：运行 run_simulation.bat
  • 交互选择命令行或 GUI 模式
• 直接 GUI：运行 run_gui.bat

已知假设与局限（便于解释实验结果）

• 需求独立性假设：各路线在每个 5 分钟窗内独立泊松到达（无 platoon、无相关性）。
• 车道分配：车辆出发采用 departLane="best"，会引入换道与车道选择策略影响（对“每车道流量”会有偏差）。
• 固定配时：信号为 static，不会根据检测器自适应调整。
• 无行人/非机动车：当前网络与需求未定义行人或自行车流。
• 禁用 teleport：拥堵严重时不会“清除”车辆，可能导致极端队列堆积与仿真耗时上升。