生成车流

路网是用于仿真的车流文件（.rou 文件），其中定义了车辆的类型、出发时间和路径等信息。 手动编写这些信息可能比较困难，因此在 TransSimHub 中，我们提供了 generate_route 工具来辅助生成 .rou.xml 文件。 你可以在 TransSimHub Generate Route Example 中找到完整的流量生成代码示例。

流量生成工具 - generate_route

我们使用 sumo_tools 中的 generate_route 工具可以生成自定义的 .rou.xml 文件。

from tshub.sumo_tools.generate_routes import generate_route

generate_route(
    sumo_net,
    interval,
    edge_flow_per_minute,
    edge_turndef,
    veh_type,
    output_trip,
    output_turndef,
    output_route,
    interpolate_flow,
    interpolate_turndef,
    random_flow,
    seed
)

下面是参数的详细说明：

  • sumo_net (str): sumo net 路网的文件路径。

  • interval (List[float]): 时间间隔列表，每段时间的持续时间（分钟）。例如，[20, 30] 表示第一段时间持续 20 分钟，第二段时间持续 30 分钟。

  • edge_flow_per_minute (Dict[str, List[float]]): 每个边（edge）在每个时间段内的车辆流量（车辆数/分钟）。下面的例子表示 edge_1 在第一个时间段内的流量为 10 辆/分钟，第二个时间段内的流量为 20 辆/分钟。

{
    'edge_1': [10, 20],
    'edge_2': [20, 30],
}

  • edge_turndef (Dict[str, List[float]]): 每个连接（connection）在每个时间段内的转弯概率。例如下面的例子，从 fromEdge1 到 toEdge1 在第一个和第二个时间段内的转弯概率都是 50%。

{
    'fromEdge1__toEdge1': [0.5, 0.5], # 第一个和第二个时间段的转弯概率都是 0.5
    'fromEdge2__toEdge2': [0.2, 0.3],
    'fromEdge3__toEdge3': [0.6, 0.1], # 第一个时间段的转弯概率是 0.6，第二个时间段的转弯概率是 0.1
}

  • veh_type (Dict[str, Dict[str, float]]): 定义不同车辆类型的属性。字典的键是车辆类型的名称，值是一个包含车辆属性的字典。例如，我们可以定义 ego 车和 background 车。在车辆控制的时候，只控制指定类型的车辆。

{
    'ego': {'length': 7, 'tau': 1, 'color': '26, 188, 156', 'probability': 0.7},
    'background': {'length': 7, 'tau': 1, 'color': '155, 89, 182', 'probability': 0.3},
}

  • output_trip (str, optional): 生成的 .trip.xml 文件的路径。默认为 ‘testflow.trip.xml’。

  • output_turndef (str, optional): 生成的 .turndef.xml 文件的路径。默认为 ‘testflow.turndefs.xml’。

  • output_route (str, optional): 生成的 .rou.xml 文件的路径。默认为 ‘testflow.rou.xml’。我们最后只会使用 .rou.xml 文件。

  • interpolate_flow (bool, optional): 是否对流量进行平滑处理。默认为 False。

  • interpolate_turndef (bool, optional): 是否对转弯概率进行平滑处理。默认为 False。

  • random_flow (bool, optional): 控制车流出现的时间是否随机。默认为 True。

  • seed (int, optional): 随机数种子，用于控制使用 JTRROUTER 生成的路径是否相同。默认为 777。

对生成参数进行平滑处理

前面我们介绍了如何分别通过 edge_flow_per_minute 和 edge_turndef 来设置每个时间段内的车辆流量和转弯概率。 然而，直接设置这些值可能导致不同时间段之间的差异很大，没有平滑的过渡效果。 例如，流量可能会从 10 辆/分钟突然增加到 100 辆/分钟。 如果希望流量和转向概率平稳变化，可以将 interpolate_flow 和 interpolate_turndef 分别设置为 True。

如下图所示，蓝色线表示原始流量，可以看到在 0-5 分钟内为 10 辆/分钟，在 5-10 分钟内为 20 辆/分钟。这种变化会导致流量出现突变。 而橙色线表示开启平滑处理后，流量变化更加平稳。

flow_interpolation_example