从SUMO仿真数据到车辆时空轨迹图：Python实战与可视化技巧

1. 从SUMO仿真到时空轨迹图：一个交通研究者的可视化工具箱

如果你正在用SUMO做交通仿真，是不是经常感觉那一堆XML和CSV数据文件像天书一样？密密麻麻的数字和ID，根本看不出路网上到底发生了什么。我刚开始用SUMO的时候也是这样，仿真跑完了，看着输出的数据文件，完全不知道该怎么把它变成一张能看懂、能汇报、能发论文的图。后来我发现，车辆时空轨迹图简直就是理解仿真结果的“神器”。它能把车辆的时间和空间位置关系，用一张二维图清晰地展示出来，横轴是时间，纵轴是位置，每一条线就是一辆车的“生命轨迹”。拥堵、消散、车队形成，一眼就能看出来。

今天，我就把自己从SUMO原始数据一步步折腾出漂亮时空图的全过程，包括踩过的坑和总结的技巧，毫无保留地分享给你。这个过程就像做菜：SUMO仿真生成原始食材（FCD数据），我们用Python进行清洗和切配（数据处理），最后用Matplotlib装盘出锅（可视化）。我会手把手带你走通这个全链路，从环境准备、数据导出、格式转换，到用Python绘图时如何处理轨迹断裂、如何手动调整路段ID这些让人头疼的细节。无论你是交通工程的学生，还是刚开始接触仿真的研究者，跟着这篇指南，你都能在自己的电脑上复现出专业的车辆时空轨迹图。

2. 第一步：准备你的SUMO仿真“厨房”

在开始炒菜（画图）之前，我们得先把厨房（仿真环境）收拾好，备齐食材（仿真数据）。别担心，这一步虽然有点繁琐，但跟着我做，绝对没问题。

2.1 搭建基础仿真环境

首先，你需要安装SUMO。去SUMO的官网找到对应你操作系统（Windows, macOS, Linux）的安装包，直接安装就行。我习惯把SUMO安装在D:\Sumo这样的路径下，方便找。安装好后，记得把bin目录（比如D:\Sumo\bin）添加到系统的环境变量PATH里，这样在命令行里就能直接调用sumo、duarouter这些命令了。验证安装是否成功，打开命令行输入sumo --version，能看到版本号就说明没问题。

接下来，你需要一个路网文件（.net.xml）。这个文件定义了你的仿真场景在哪里发生，包括道路、车道、交叉口。你可以用SUMO自带的netedit图形化工具自己画一个简单的路网，或者从OpenStreetMap下载真实路网然后用netconvert工具转换。为了演示方便，我们假设你已经有了一个名为mytest.net.xml的路网文件。

2.2 生成车辆行程与运行仿真

有了路网，我们需要往里面放车。SUMO使用trips文件来定义车辆的出发时间、起点和终点。我们可以用SUMO工具集中的randomTrips.py脚本随机生成一批行程。打开命令行，切换到你的工作目录，执行类似下面的命令：

python D:\Sumo\tools\randomTrips.py -n mytest.net.xml -e 3600 -p 2.0

我来解释一下这几个关键参数：

• -n mytest.net.xml：指定你的路网文件。
• -e 3600：这是仿真结束时间，单位是秒。这里设为3600秒，也就是1小时。意思是脚本会在0到3600秒这个时间范围内，为车辆随机分配出发时间。
• -p 2.0：这个参数控制车辆的“密度”或“生成间隔”。它的意思是平均每2.0秒生成一辆车的行程。这个值越大，生成的车流就越稀疏，车越少；值越小，车流就越密集，车越多。 你可以把它想象成调节车流量的水龙头开关。官方文档可能叫它“行程发生率”的倒数。根据你的路网大小和想模拟的拥堵程度，多试几次这个参数。比如在主干道上想模拟高峰拥堵，可以试试-p 0.5甚至更小。

运行后，你会得到一个trips.trips.xml文件。但这还不是SUMO仿真能直接用的车辆定义文件，我们需要把它转换成rou.xml（车辆路由文件）。这就要用到duarouter：

duarouter -n mytest.net.xml -t trips.trips.xml -o mytest.rou.xml --ignore-errors

这个命令会根据路网，为trips文件中的每一辆车计算一条实际可行的路径，并输出mytest.rou.xml。--ignore-errors参数可以忽略一些小的路径计算错误，让过程更顺畅。

现在，食材（路网和车辆）都准备好了，我们需要一个“菜谱”来告诉SUMO怎么运行这道“菜”，这就是配置文件（.sumocfg）。创建一个文本文件，命名为mytest.sumocfg，内容大致如下：

<configuration>