SUMO仿真中自定义边缘数据的可视化方法
2025-06-28 22:01:11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
kernelopenEuler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。C043
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
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
最新内容推荐
Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 开源电子设计自动化利器:KiCad EDA全方位使用指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 OMNeT++中文使用手册:网络仿真的终极指南与实用教程 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
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
🔥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
65
19
暂无简介
Dart
696
163
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++
696
369
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.23 K
674
Ascend Extension for PyTorch
Python
242
279
React Native鸿蒙化仓库
JavaScript
270
328