SUMO项目中关于A*算法地标距离表与TAZ文件结合使用的注意事项
2025-06-29 17:37:46作者:宣海椒Queenly
背景介绍
SUMO(Simulation of Urban MObility)是一个开源的、高度可移植的微观交通仿真套件。在SUMO的路由计算中,A算法是一种常用的路径搜索算法,而地标距离表(Landmark Distances Table)则是用来加速A算法计算的重要优化手段。
问题现象
当用户尝试为大型网络构建距离查找表时,遇到了两个主要问题:
- 在生成距离查找表时出现文件不存在的错误
- 当结合交通分析区(TAZ)文件使用时,系统报告"Not all network edges were found in the lookup table"的错误
技术分析
文件生成问题
在首次运行duarouter生成距离查找表时,需要指定正确的输入输出文件名。常见错误是:
- 指定的输入文件不存在
- 文件路径不正确
- 文件权限问题
正确的命令格式应为:
duarouter --net-file=网络文件.net.xml
--route-files=行程文件.trips.xml
-o 输出路由文件.rou.xml
--astar.landmark-distances 地标文件.txt
--astar.save-landmark-distances 查找表.txt
-v --routing-threads 8
--ignore-errors true
TAZ文件兼容性问题
当距离查找表与交通分析区(TAZ)文件一起使用时,必须确保:
- 生成距离查找表时已经加载了相同的TAZ文件
- TAZ文件中的区域定义与网络拓扑一致
- 网络连通性良好(虽然不是强制的,但会影响计算效率)
如果网络不是强连通的,虽然不会导致错误,但会产生警告信息,如:
Warning: Landmark 地标边ID is not reachable from X edges and is unable to reach Y out of Z total edges.
解决方案
-
文件生成问题:
- 确保所有指定的文件存在且路径正确
- 检查文件读写权限
- 使用绝对路径可以减少路径相关错误
-
TAZ兼容性问题:
- 在生成距离查找表时必须加载相同的TAZ文件
- 可以使用
--ignore-errors参数忽略非关键错误 - 对于大型网络,考虑增加路由线程数(
--routing-threads)提高生成效率
-
网络连通性问题:
- 虽然不强制要求网络强连通,但连通性差的网络会影响路由计算效率
- 可以通过网络编辑工具检查并修复孤立的网络部分
最佳实践建议
- 在生成距离查找表前,先验证网络的基本连通性
- 始终使用相同的TAZ文件进行查找表生成和使用
- 对于大型网络,分阶段生成查找表:
- 首先生成地标文件
- 然后基于地标文件生成完整的距离查找表
- 记录生成过程中的警告信息,用于后续网络优化
总结
SUMO中的A*算法地标距离表是提高路由计算效率的重要工具,但在与TAZ文件结合使用时需要注意一致性要求。通过遵循正确的文件生成流程和确保数据一致性,可以避免大多数常见错误,从而充分发挥这一优化技术的优势。对于大型复杂网络,建议采用分阶段生成和验证的方法,确保距离查找表的完整性和准确性。
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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
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
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥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
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
19
30