1. 为什么先用SUMO之前得先弄明白交通流理论说实话我第一次接触SUMO的时候最大的坎不是软件本身而是里面的参数完全看不懂。什么minGap、speedFactor、accel、decel挨个查完文档还是不知道该怎么填。后来才想明白这些参数背后全是交通流理论的东西不把基础理论补上调参就是纯靠猜。这期文章是SUM0系列的第二篇专门把交通流理论基础捋一遍。这篇东西不会塞一堆数学公式吓唬人而是讲清楚三件事交通流的三个核心参数是什么、它们之间怎么互相影响、以及这些理论在SUMO里到底对应哪些按钮和配置项。搞懂这些之后你再回头看那些仿真案例思路会清晰很多。适合谁看呢刚接触交通仿真的学生、想用SUMO做毕业设计或者科研的人、还有工作中需要做交通评估的工程师只要你对仿真结果不是“跑出来就行”的态度而是想知道结果为什么是这样这篇内容都能帮你把地基打牢。2. 交通流三参数流量、密度、速度怎么互相牵制2.1 流量和密度的定义别被公式吓到交通流理论里最基础的三个概念就是流量Flow、密度Density和速度Speed。这三者的关系用一句话概括就是流量等于密度乘以速度写成公式就是[ q k \times v ]这里的q代表流量单位是辆每小时veh/h指的是单位时间内通过某个断面的车辆数量k代表密度单位是辆每公里veh/km指的是某段道路上每公里分布了多少辆车v代表空间平均速度单位是公里每小时km/h。这个公式和电流的欧姆定律有点像电压等于电流乘以电阻三者的关系是绑定的。但要注意这里的速度不是某辆车仪表盘上的瞬时速度而是所有车辆在一段路或者一段时间内的平均速度专业术语叫空间平均速度。瞬时速度一辆车一个样不能直接拿来做宏观计算这也是新手经常搞混的地方。在SUMO里这三者对应的输出都在fcd浮点车辆数据或者检测器数据里。流量可以从e1检测器拿到密度可以通过e2检测器行程时间检测器间接算出来速度则看车辆的平均速度输出。你不需要自己在Excel里手算这些但知道它们怎么来、怎么换算对理解结果非常重要。2.2 速度-密度关系为什么堵车是必然的速度-密度关系是交通流理论里最核心的一条曲线。直观解释就是路上车越少每辆车都可以放开跑速度接近自由流速度随着密度增大车辆之间相互干扰加剧速度开始下降当密度大到一定程度车流停下来速度趋近于零这时候对应的密度叫堵塞密度。这个关系画出来是一条近似线性的曲线最早由Greenshields在1935年提出公式是[ v v_f \times (1 - \frac{k}{k_j}) ]v_f是自由流速度k_j是堵塞密度。这个模型虽然简单到有些“粗糙”但它的意义在于把“拥堵是怎么形成的”这一个复杂现象压缩成了一条清晰的关系线。在SUMO里设置每条路的最大速度时你实际上就是在设定v_f。比如城市主干道限速60km/h那这条路的v_f基本上就是60。而k_j则和车辆长度、最小跟车距离有关SUMO里每辆车的长度默认是5米加上minGap最小停车间距基本决定了这条路上最多能塞多少辆车。我做过一个对比实验同一段2公里的路把限速分别设置成80、50、30流量峰值出现的时间点完全不同。限速80的时候流量可以冲到2200辆/小时左右限速30的时候流量峰值只有1100左右。原因就是速度降低导致车辆通过断面的时间变长单位时间能过的车自然就少了。2.3 流量-密度曲线理解拥堵的关键图把速度和密度的关系带入流量公式就得到了流量-密度曲线。这条曲线一开始随着密度增加流量单调上升这也是为什么大家总觉得“车多说明路忙”但密度超过临界密度之后流量反而下降因为每辆车都跑不起来了。曲线的峰值点对应的就是道路的通行能力也就是单位时间内能通过的最大车辆数。过了这个点道路进入拥堵状态流量下降但密度还在上升这就是典型的“堵死在路上”的情况。在SUMO里观察这条曲线有一个非常直观的方式在一条路上逐渐增加车辆输入从每小时500辆慢慢加到每小时2000辆用e1检测器记录流量数据再和密度数据画成散点图你会看到典型的倒U形。我建议大家自己跑一次这个实验五分钟左右就出结果比看十篇论文都管用。不过有一点要注意SUMO里默认的跟车模型Krauss模型得到的流量-密度曲线和理论上的曲线还是会有些偏差的。因为SUMO的驾驶模型是离散时间步长的车辆行为本身有随机性曲线会更“碎”一些但趋势是对的。不影响理解和应用。3. SUMO里的车辆行为模型微观仿真靠什么驱动3.1 跟车模型Car-Following ModelSUMO最核心的微观模型就是跟车模型它是决定“后车怎么跟着前车走”的规则集合。在SUMO里默认的跟车模型叫Krauss模型核心逻辑是后车根据前车的速度和距离计算出一个安全速度让本车既不撞车又能尽量保持较高速度。Krauss模型的关键参数在SUMO的carFollowModel属性里配置。最常用的几个参数包括accel最大加速度单位m/s²。默认值2.6但城市公交车、货车这种大型车加速度低要改成1.2左右。decel最大减速度单位m/s²。默认值4.5这个参数决定了车辆刹车多猛也直接影响仿真的“舒适感”。sigma驾驶员的“不完美程度”取值范围0到10表示完全完美驾驶1表示随机性很大。默认值0.5模拟的是现实里司机不会百分百精确跟车的情况。minGap两辆车完全停止时的最小间距默认2.5米这决定了仿真里停车排队时车辆之间的空隙。新手最容易踩的坑就是把accel和decel设置得特别夸张比如把加速度调到10以为这样仿真“更快”。实际上这会导致车辆起步猛、刹停更猛车流变得极度不稳定红绿灯路口经常出现幽灵堵车仿真结果完全没有参考价值。我的建议是先保持默认值跑通再根据研究目的微调一次只动一个参数。讲到数学模型Krauss模型的核心思想是计算一个安全速度[ v_{safe} v_{front} \frac{gap - v_{front} \cdot t_{reaction}}{t_{reaction} \frac{v_{front}}{2 \cdot decel}} ]其中v_front是前车速度gap是两车距离t_reaction是驾驶员反应时间。SUMO里会在每个时间步长重新计算一次这个安全速度然后车辆的实际速度就是min(当前最大速度, 安全速度)同时加一点随机扰动。3.2 换道模型Lane-Changing Model除了跟车车辆在高速上超车、在路口变道都是靠换道模型驱动的。SUM0里默认的换道模型是LC2013它综合考虑了换道的好处能开更快和风险会不会撞车、会不会干扰后车。换道模型里有几个用户可调参数比如lcStrategic策略性换道的倾向默认值4.0越大车辆越倾向于提前换道为转弯做准备lcCooperative协作换道默认值4.0这个参数决定车辆是否愿意减速让其他车并线lcSpeedGain速度增益换道默认值10.0这个参数越大车辆就越“急不可耐”地想换到快的车道上。实际使用中换道模型对仿真结果的影响往往比跟车模型更大。因为换道规则设置不当会导致高速公路出入口区域严重堵塞而现实中这个堵车并没有那么严重。在SUMO里检查换道是否合理可以直接看fcd输出的车辆轨迹观察车辆在匝道附近的行为是否符合常理。另外一个要点是SUMO不是每辆车都有相同的换道风格。你可以通过vType设置车辆的latAlignment参数来控制车辆在横向位置的选择习惯比如大型车辆尽量靠右行驶。这种细颗粒度的控制在仿真大型货车混行场景时特别有用。3.3 交通分配模型车是怎么选路的微观层面的跟车和换道解决了“单辆车怎么走”的问题但还有一个更大的问题每辆车为什么选择这条路线而不是另一条这就是交通分配模型解决的问题。SUMO里最常用的分配方法是DUARouter的“用户均衡”User Equilibrium模型理论核心是每位司机都会选择自己认为最短或最快的路径最终达到一个状态——没有任何人能通过单独改变路线来减少自己的行驶时间。说白了这就是数学里的“均衡”概念每个人都在为自己优化最终谁都不愿意改变选择了。这个状态在交通规划里叫Wardrop用户平衡。你和“马克思主义政治经济学”里说的“每个人都追求利益最大化社会达到某种均衡”有点像但交通领域是物理意义上的均衡可以通过迭代算法收敛到数值解。在SUMO里跑duarouter时--router-iterations这个参数控制迭代次数默认是20次。车流需求越大、道路网络越复杂需要的迭代次数越多。设置太小会导致流量分配不均某些道路明明有空余但车全挤在另一条路上设置太大则计算时间暴涨性价比极低。我个人的经验是一般40到60次就够用了特殊场景再往上调。4. 从理论到落地SUMO里怎么把交通流模型配置出来4.1 创建路网前的理论准备在SUMO里搭一个仿真场景很多人上来就画路网然后往里面塞车流。但基于交通流理论正确的做法是先问自己几个问题这条路的设计通行能力是多少我期望仿真的交通需求是多大是欠饱和、饱和还是过饱和路段限速是多少和交通流理论里的自由流速度怎么对应这些问题的答案会直接决定路网参数的设置。举个例子假设你要仿真一个城市交叉口南北向道路设计通行能力是每车道每小时1400辆车那你给这条路输入的车流量就不能是3000因为理论上游超饱和了结果就会是路口排队越来越长最后蔓延到上游道路整个区域瘫痪。SUMO里创建路网的方式有三种用netedit手动画适合小范围场景、用netconvert导入OpenStreetMap数据适合城市级路网、或者直接用netgenerate生成抽象路网适合快速验证理论。我强烈建议新手先试试netgenerate因为它可以快速生成方格路网或者放射形路网配合--grid.number之类的参数几秒钟就能出来一个测试环境。在这些抽象路网上验证跟车模型、路口信号控制逻辑比在真实路网上调试高效得多。4.2 车流输入:从需求建模到流量设置车流生成在SUMO中叫“交通需求”核心形式是描述车辆出发时间、出发地点、到达地点的OD矩阵。最简单的形式是直接在rou.xml文件里写车routes vType idcar accel2.6 decel4.5 maxSpeed16.67 sigma0.5 / vehicle idveh0 typecar depart0.00 route edgesedgeA edgeB edgeC / /vehicle /routes但手动一辆一辆写车显然不现实实际都是通过flow标签批量生成flow idflow_north_south fromedgeA toedgeC begin0 end3600 vehsPerHour600 /这里的vehsPerHour就是流量单位是辆每小时。还记得前面的理论吗600辆每小时对应到一条城市主干道单车道大约是饱和通行能力的一半属于比较顺畅的交通状态如果你填1800那基本上就是堵死状态。有一点要特别注意SUMO产生的车不一定刚好是vehsPerHour指定的那个数。因为flow标签的车辆到达时间是有随机性的默认服从泊松分布所以实际流量会有浮动。如果你要做严格的数值对比实验建议把随机数种子固定下来在netconvert或duarouter里设置--random的种子值这样每次跑出来的结果才可复现。4.3 检测器怎么把理论参数变成可视化数据在仿真里放检测器就像是在真实道路上安装交通调查设备。SUM0提供了三种主要检测器点检测器e1监控某个断面的流量、速度相当于真实世界的线圈检测器。区间检测器e2监控某一段路的车辆数和平均速度适合计算路段密度。行程时间检测器e3监控一个区域内的车辆旅行时间和延误适合评估路网服务水平。结合前文理论如果你需要画出流量-密度曲线就应该用e2检测器因为它同时输出车辆数和平均速度可以用车辆数除以路段长度得到密度。如果想要流量数据用e1检测器就可以直接输出每小时通过多少辆车。检测器配置要在额外文件.add.xml里写additional e2Detector ide2_west laneedgeA_0 length500 freq60 filee2_output.xml / e1Detector ide1_north laneedgeC_1 freq60 filee1_output.xml / /additional运行SUMO时通过--additional-files参数加载这个文件sumo-gui -n osm.net.xml.gz -r osm.rou.xml -a detector.add.xml仿真跑完之后检测器的输出是一个XML文件里面记录了每个统计间隔的流量、平均速度、车辆数。建议直接把它导入Excel或者Python的pandas库里做二次处理画图之后你会对交通流理论有非常直观的感受。5. 常见问题与排查技巧实录5.1 仿真的流量和设置值对不上现象在flow里设置了vehsPerHour600跑完一看e1检测器统计的流量只有530莫名其妙少了70多。原因车辆是从起始边的起点开始产生的但如果起始边比较短或者前车占位新的车可能因为“找不到位置”而被延迟或者丢弃。另外车辆不会像流水一样均匀到达而是随机到达的短时间内的统计值波动在理论上是正常的。排查方法先看--start和--end参数设置对不对再看起始边长度是否足够容纳车辆排队最后确认流量统计的时间间隔足够长建议至少10分钟以上如果间隔太短统计噪声会很明显。5.2 车辆突然紧急刹车导致全路堵死现象仿真跑了几百秒之后一段路上所有车都停下来像多米诺骨牌一样向后蔓延。原因这个现象在交通流理论里叫“幽灵堵车”本质是局部扰动在后车放大效应下形成停-走波stop-and-go wave。在SUMO里常见触发条件有两个某个位置的maxSpeed突变或者sigma值设置过大导致驾驶随机性太强。排查方法用fcd输出查看车辆轨迹图找到速度骤变的位置。通常就是两段道路限速差异过大的接缝处或者是出口匝道附近换道冲突集中区。解决方法是平顺速度变化比如在两段道路之间插入一段过渡性的限速路段。另外把sigma从0.5调低到0.2车辆行为会更稳定。5.3 路口排队溢出的判断和处理现象交叉口某个方向的左转车道排队太长已经排到了上游路口导致其他方向的车流也被堵住。原因这已经属于过饱和交通状态理论上的通行能力已经不够用了。本质上是信号配时给的绿灯时间不足或者输入流量超出了路口的承载力。处理方法从交通流理论的角度先算清楚进口道的饱和流量再根据绿灯时间验算通行能力最后对比需求流量看是否超过。SUM0里可以通过e2检测器持续监控排队长度数据配合信号配时工具如TLSControlAPI做自适应信号优化。不过这是进阶内容先把基础的跑通再说。5.4 路网导入后限速和车道数不对现象从OpenStreetMap导入的路网在SUMO里跑出来的速度明显偏慢某些路段车流不畅。原因OSM上的道路分类和限速信息在导入时会被SUMO映射成默认值。比如一条城市次干道可能被映射成了限速50km/h但实际上这段路的物理限速可能只有30或者本身就是步行街这就是路网属性的问题不是仿真模型的问题。建议用netedit检查导入后的道路类型和限速设置。对于关键路段手动修正限速。如果研究的是宏观路网特征建议统一设定道路限速避免不同道路类型之间速度差异过大导致的假拥堵。6. 一些亲测有效的实操经验最后分享几个我实际做仿真项目时攒下的经验第一参数记录要规范化。每次修改任何模型参数都记录下来改了什么、为什么改、原来是多少、改完是多少。看起来麻烦但当你回头看两个星期前跑的仿真结果时这套记录能救你的命。很多人仿真结果对不上就是因为不记得当初调过什么参数只能全部推翻重来。第二先复现经典场景再研究新问题。SUMO自带的教程案例比如docs/tutorials里的快速入门和高速公路案例一定要亲手跑一遍。这些案例虽然简单但能让你明确看到仿真结果和理论之间的对应关系。很多人一上来就导入真实城市路网结果被各种细节问题淹没两周过去连一个完整的仿真都没跑出来就是因为基础知识没在手。第三多用netedit的“检查器”功能。点击任何一条边或者一个节点右边会弹出属性面板所有和交通流理论相关的参数都在里面。你可以直接修改speed、numLanes、priority这些属性并保存然后重新仿真。这种方式比直接手改XML文件直观很多适合新手。说实话交通流理论容易让人觉得远离实际但SUM0恰恰是一个能把理论和现象连接起来的桥梁。当你看到仿真里一辆辆车因为跟车距离过近而减速然后引发后面的连锁反应你才能真正理解什么是交通流的“不稳定性”。建议每个想学好SUMO的人都亲手跑一次“堵塞密度附近的小扰动传播”实验——这个过程比任何论文都能让你更直观地把握交通流的本质。