SUMO仿真中自定义边缘数据的可视化方法
2025-06-28 01:46:43作者:齐冠琰
在SUMO交通仿真系统中,边缘数据(edgedata)是分析路网性能的重要信息来源。虽然SUMO提供了丰富的内置边缘指标,但实际项目中我们经常需要可视化一些自定义指标,如停车位占用率等。本文将详细介绍如何在SUMO中实现自定义边缘数据的可视化。
自定义边缘数据的基本原理
SUMO的plot_net_dump.py工具能够可视化边缘数据XML文件中的各种指标。该文件的标准结构包含多个时间间隔(interval)元素,每个interval下又包含多个edge元素,edge元素中可以定义任意属性作为可视化指标。
方法一:直接生成标准格式的XML文件
最直接的方法是按照SUMO的edgeData格式要求生成XML文件。文件结构需要满足以下要求:
- 根元素为edgeData
- 包含多个interval子元素,每个interval需定义begin和end属性表示时间范围
- 每个interval下包含多个edge子元素,每个edge需定义id属性
- edge元素中可以添加任意自定义属性作为可视化指标
示例代码框架如下:
with open('custom_edgedata.xml', 'w') as f:
f.write('<edgeData>\n')
for time in simulation_times:
f.write(f'<interval begin="{time}" end="{time+step}">\n')
for edge in network_edges:
occupancy = calculate_parking_occupancy(edge)
f.write(f'<edge id="{edge.id}" parkingOccupancy="{occupancy}"/>\n')
f.write('</interval>\n')
f.write('</edgeData>')
方法二:扩展现有edgeData文件
如果已有edgeData文件,可以使用sumolib库进行扩展:
from sumolib import xml
# 假设已有停车位占用数据
parking_data = {
"edge1": 0.75,
"edge2": 0.32,
# 其他边缘数据...
}
with open('extended_edgedata.xml', 'w') as outf:
outf.write('<edgeData>\n')
# 解析现有edgeData文件
for interval in xml.parse('original_edgedata.xml', 'interval'):
for edge in interval.edge:
# 为每个edge添加自定义属性
edge.setAttribute('parkingOccupancy', parking_data.get(edge.id, 0))
outf.write(interval.toXML())
outf.write('</edgeData>\n')
可视化自定义数据
生成文件后,使用plot_net_dump.py工具进行可视化:
python plot_net_dump.py -n your_network.net.xml -i custom_edgedata.xml --attributes parkingOccupancy
注意事项
- 属性名称应避免使用SUMO保留关键字
- 时间间隔设置应与仿真设置一致
- 数值型属性应确保格式正确
- 对于大量数据,建议分批处理以避免内存问题
通过上述方法,用户可以灵活地将各种自定义指标集成到SUMO的可视化分析中,大大扩展了SUMO在交通仿真研究中的应用范围。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.85 K
Ascend Extension for PyTorch
Python
383
457
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++
894
680
暂无简介
Dart
804
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
210
昇腾LLM分布式训练框架
Python
119
146
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781