SUMO交通仿真中的转向车辆队列分配问题分析与修复
2025-06-29 17:11:02作者:盛欣凯Ernestine
问题背景
在SUMO交通仿真系统中,当车辆在具有多车道的路段上准备转向时,系统需要正确地将车辆分配到对应的转向队列中。近期发现了一个关键问题:在某些情况下,转向车辆会被错误地分配到不匹配的队列中,导致交通流模拟失真。
问题现象
具体表现为:在一个双车道路段上,每个车道分别通向不同的后续路段:
- 车辆A需要右转,理论上应进入右侧队列
- 车辆B需要左转,理论上应进入左侧队列
然而实际仿真中出现了两个异常情况:
- 车辆B被错误地分配到右侧队列。如果车辆A因堵塞或信号灯规则被阻挡,车辆B即使可以从左侧队列自由通行,也不得不等待。
- 当目标车道有两条车道且出口未被堵塞时,左转车辆可以同时使用两个队列,导致单车道左转的实际流量达到预期值的两倍。
技术分析
经过深入排查,发现问题根源在于车辆跟随者映射(myFollowerMap)的查询机制存在缺陷。当车辆仍处于前一路段时,系统错误地选择了后续路段,导致无法在myFollowerMap中找到正确条目,最终返回默认值0。
这个问题是一个回归性问题,最早出现在1.7.0版本中,与之前的两个问题(#7143和#7794)由同一行代码引起。由于测试用例本身已经受到之前问题的影响,导致测试结果从一个错误状态转变为另一个错误状态,未能及时发现此问题。
影响评估
该问题主要影响具有以下特征的仿真场景:
- 短路段(仅包含一个路段分段)
- 具有多个后续路段的情况
测试结果表明:
- junction_model/junction_type/tls_right_on_red/stress_test/original/测试对此问题反应强烈,修复后交通流明显改善
- sumo/meso/junction_control/tls_coordination/bad/control测试受到问题2的影响,修复后流量有所下降
修复方案
修复方案主要针对车辆队列分配逻辑进行了修正,确保:
- 转向车辆被正确分配到对应的转向队列
- 单车道转向流量符合预期值
- 多车道情况下的流量分配合理
用户建议
对于使用SUMO进行交通仿真的用户,特别是涉及以下场景时,建议升级到包含此修复的版本:
- 复杂交叉口仿真
- 多车道转向分析
- 短路段交通流研究
该修复将显著提高这些场景下仿真结果的准确性,特别是对于信号灯协调控制和转向优先权等精细仿真的可靠性。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
197
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
624
140
React Native鸿蒙化仓库
JavaScript
242
315
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210