SUMO（五）—— TraCI练习

练习内容：试着纯手工复现SUMO官网教程里面的示例：智慧交通灯。

1 复现过程

1.1 基本思路介绍

简单来说就是模拟了这样一种情况：一个最简单的路网，东西南北都是单车道，每个车道只能执行。东西方向车辆很多，南北方向只有从北到南的车，而且车辆很少。那么就设计这样一个红绿灯，让没有从北到南的车辆时，东西方向一直保持绿灯。有南北车辆经过时再改变相位。

1.2 路网文件的构建

import os
import sumolib
import numpy as np
from Constants import PREFIX, ROW_LENGTH, AVE_LENGTH

nodes = open("%s.nod.xml" % PREFIX, "w")
print("", file = nodes)
edges = open("%s.edg.xml" % PREFIX, "w")
print("", file = edges)
connections = open("%s.con.xml" % PREFIX, "w")
print("", file = connections)

numm = 1
numx = np.array([0, -1, 0, 1, 0])
numy = np.array([0, 0, 1, 0, -1])

# Generate .nod.xml
print('    ', file = nodes)
for i in range(1, 5) :
    print('    ' % (numm, numx[numm] * ROW_LENGTH, numy[numm] * ROW_LENGTH), file = nodes)
    numm += 1
numm = 1
for i in range(1, 5) :
    print('    ' % (numm, numx[numm] * (ROW_LENGTH + AVE_LENGTH), numy[numm] * (ROW_LENGTH + AVE_LENGTH)), file = nodes)
    numm += 1

# Generate .edg.xml
for i in range(1, 5) :
    print('    ' % (i, i), file = edges)
    print('    ' % (i, i), file = edges)
for i in range(1, 5) :
    print('    ' % (i, i, i, i), file = edges)
    print('    ' % (i, i, i, i), file = edges)

# Generate .con.xml
for i in range(1, 5) :
    fromEdge = i
    if(i + 2 > 4):
        toEdge = i - 2
    else :
        toEdge = i + 2
    print('    ' % (fromEdge, toEdge), file = connections)
    print('    ' % (i, i, i), file = connections)
    print('    ' % (i, i, i), file = connections)
    print('    ' % (i, i, i, i), file = connections)

# FinalWork
print('', file = nodes)
nodes.close()
print('', file = edges)
edges.close()
print('', file = connections)
connections.close()

path = '/usr/local/Cellar/sumo/1.13.0/share/sumo/tools'
os.system('netconvert --node-files=cross.nod.xml --edge-files=cross.edg.xml --connection-files=cross.con.xml --output-file=cross.net.xml')

其中Constants是我创建的里面包含所有常数的文件。想要修改路网的一些参数，直接修改这个文件里面的参数就可以了，很方便。

PREFIX = "cross"
ROW_LENGTH = 500
AVE_LENGTH = 10
SIMUTATION_TIME = 3600

上面的代码实在是没有什么技术含量，就是生成了nodes文件、edges文件以及connections文件，然后再调用netconvert来进行合成，来生成最终的路网文件$PREFIX.net.xml$

最后所画出来的路网图就会是这个样子的：

再细细看看交叉口处：

再看一眼末端处：

1.3 路由文件的构建

import random
from Constants import SIMUTATION_TIME, PREFIX

random.seed(42)
pWE = 1.0 / 10
pEW = 1.0 / 11
pNS = 1.0 / 30
n = SIMUTATION_TIME

rous = open('%s.rou.xml' % PREFIX, "w")
print('', file = rous)
print('    ', file = rous)
print('', file = rous)
print('    ', file = rous)
print('    ', file = rous)
print('    ', file = rous)
print('', file = rous)

num = 0
for i in range(0, n) :
    if(random.uniform(0, 1) < pWE) :
        print('    ' % (num, i), file = rous)
    if(random.uniform(0, 1) < pEW) :
        print('    ' % (num, i), file = rous)
    if(random.uniform(0, 1) < pNS) :
        print('    ' % (num, i), file = rous)
    num += 1
print("", file=rous)
rous.close()

技术含量也是几乎没有，就是创建了一个车的种类，然后规划了一下从东到西、从西到东、从北到南的车辆分别的路线。然后每个仿真时间生成一个0~1的随机数，小于pWE就生成一个从西到东的车，小于pEW就生成一个从东到西的车，小于pNW就生成一个从北到南的车。

由于我们要从北到南的车很少，所以pNS要设置的很小才行。

1.4 add文件的构建

from Constants import PREFIX

tls = open('%s.add.xml' % PREFIX, "w")
print('', file = tls)
print('    ', file = tls)
print('', file = tls)
tls.close()

我只能说，这更没有技术含量了，不解释了。

1.5 cfg文件的构建

from Constants import PREFIX, SIMUTATION_TIME

cfg = open('%s.sumocfg' % PREFIX, "w")
print('', file = cfg)
print('    ', file = cfg)
print('        ' % PREFIX, file = cfg)
print('        ' % PREFIX, file = cfg)
print('        ' % PREFIX, file = cfg)
print('    ', file = cfg)
print('    ', file = cfg)
print('        ', file = cfg)
print('        ' % SIMUTATION_TIME, file = cfg)
print('    ', file = cfg)
print('    ', file = cfg)
print('        ', file = cfg)
print('    ', file = cfg)
print('', file = cfg)
cfg.close()

跟1.4一样没有技术含量，不愿解释。

1.6 主函数

展示一下run()函数好了！

def run() :
    step = 0
    traci.trafficlight.setPhase("nd0", 2)
    while traci.simulation.getMinExpectedNumber() > 0:  # 意思就是还有车需要处理就处理
        traci.simulationStep()  # 仿真一步
        if(traci.trafficlight.getPhase("nd0") == 2) :
            if(traci.inductionloop.getLastStepVehicleNumber("De0") > 0) :
                traci.trafficlight.setPhase("nd0", 3)
            else:
                traci.trafficlight.setPhase("nd0", 2)
        step += 1
    traci.close()  # 仿真结束 关闭TraCI
    sys.stdout.flush()  # 清除缓冲区

在这里要说一下，在把节点(node)属性设置成traffic_light之后，它会自动生成一套方案。对于我们这个极其简单的交叉口，生成的红绿灯有四个相位：

• 第零相位：GrGr 南北方向绿灯
• 第一相位：yryr 南北方向变成黄灯
• 第二相位：rGrG 东西方向绿灯
• 第三相位：ryry 东西方向变成黄灯

那么一上来就逼它是第二相位，也就是东西方向绿灯。

然后进行一步一步的仿真，在东西方向是绿灯的时候，就开始检测：如果有车从北边来了，那就切换到第三相位，也就是准备要让南北方向通行了；如果没有，那就重置第二相位的时间，也就是继续保持第二相位。这样就实现了，是不是很简单！！

（虽然简单，但还是对于TraCI的了解掌握要求蛮高的，写起来试试就知道了）

（写这个老给我一种写大模拟的感觉（或许就是大模拟？））

2 深入探索

这样确实就实现了我们所想的智能交通灯的感觉。但是，我觉得知只是这样还不够。东西方向确实是已经没有问题了，但是南北方向呢？南北方向来车了之后，就会改变相位，变成南北方向绿灯。那问题来了，南北方向的绿灯，设置为几秒比较合适呢？

为了探究这个问题，我设计了如下方案：

2.1 基本思路介绍

将南北方向的绿灯设置为不同的时间，然后分别跑一次仿真，记录东西方向的最长排队长度（其实感觉应该记录平均排队长度，写这篇文章的时候才想明白）。然后绘制一个图标，就可以将绿灯时间所对应的排队长度可视化出来，然后根据需求进行选择。

2.2 路网文件的构建

与前面一致。

2.3 路由文件的构建

2.4 add文件的构建

我的常数文件已经发生了一些变化。展示一下常数文件：

PREFIX = "cross"
ROW_LENGTH = 500
AVE_LENGTH = 10
SIMUTATION_TIME = 3600
STEP = 30
BASIC_TIME = 7

其中，BASIC_TIME指的是南北方向的绿灯从几秒开始。而STEP指的是方案数，30也就是绿灯方案包块7,8,…,36这30种方案。

from Constants import PREFIX, BASIC_TIME, STEP

tls = open('%s.add.xml' % PREFIX, "w")
print('', file = tls)
print('    ', file = tls)
print('    ', file = tls)
print('    ', file = tls)
for i in range(1, STEP + 1) :
    print('    ' % i, file=tls)
    print('        ' % (str)(BASIC_TIME + i - 1), file=tls)
    print('        ', file=tls)
    print('        ', file=tls)
    print('        ', file=tls)
    print('    ', file=tls)
print('', file = tls)
tls.close()

在这里就要说一些关于交通灯的知识了。每个节点的交通灯有很多套方案，这个方案就是 $program$ 。当你的节点设定属性为traff_light的时候，它就会自动生成一套programID=0的一套方案。如果你想要设定其他的方案，就要在 $add.xml$ 文件里面加入你的方案。

想要生成一个交通灯，那你就需要选择一个节点，并在这个节点进行创建。选择的方法就是要让 $id$ 与节点(node)的 $id$ 一致。之后生成的program，programID必须和之前的programID有所不同，尤其要注意不能为"0"。

下面的相位就是从正北开始顺时针转的，每一个行驶方向都对应一个字母才可以。大写字母不需要减速，小写字母需要减速。G是绿灯，y是黄灯，r是红灯，o是关闭。一般大小写都是按照上面这四个来用的。

在我的程序里，我就是添加了 $STEP$ 个 南北方向从 $BASIC\_TIME$ 开始的绿灯时间的交通灯，同时也增加了两个E2 Detector，分别在东西两条进口车道上，用来检测排队的车辆数。

形成之后就是这样的

2.5 cfg文件的构建

和前面没有区别。

2.6 主函数的构建

主文件的主函数是这样的：

if __name__ == '__main__' :
    os.system('python GenerateAddXml.py')
    os.system('python GenerateRouXml.py')
    os.system('python GenerateSumocfg.py')
    os.system('python GenerateNetXml.py')
    sumoBinary = checkBinary('sumo')
    tabl = np.zeros((3, STEP))
    for i in range(0, STEP) :
        tabl[1, i] = BASIC_TIME + i
        traci.start([sumoBinary, "-c", "%s.sumocfg" % PREFIX, "--tripinfo-output", "tripinfo.xml"])
        tabl[2, i] = run(i + 1)
    ttime = tabl[1, :]
    queuee = tabl[2, :]
    plt.plot(ttime, queuee, marker = 'o')
    plt.xlabel("Interval")
    plt.ylabel("Length of Queue")
    plt.show()

建立了一个名为 $tabl$ 的表格（竞赛后遗症式起名法），第0行我没用（竞赛后遗症，下次一定改），第一行就是绿灯时间，第二行就是这个绿灯时间所对应的时间。统计结束后，拆分成两个一维数组，然后用Matplotlib让他可视化。

run函数如下：

def run(time) :
    step = 0
    maxlength = 0
    traci.trafficlight.setProgram("nd0", "%s" % time)
    traci.trafficlight.setPhase("nd0", 2)
    while traci.simulation.getMinExpectedNumber() > 0:  # 意思就是还有车需要处理就处理
        traci.simulationStep()  # 仿真一步
        maxlength = max(traci.lanearea.getJamLengthVehicle("De1"), traci.lanearea.getJamLengthVehicle("De2"), maxlength)
        if(traci.trafficlight.getPhase("nd0") == 2) :
            if(traci.inductionloop.getLastStepVehicleNumber("De0") > 0) :
                traci.trafficlight.setPhase("nd0", 3)
            else:
                traci.trafficlight.setPhase("nd0", 2)
        step += 1
        if(step > 5000) :
            maxlength = 100
            break
    traci.close()  # 仿真结束 关闭TraCI
    sys.stdout.flush()  # 清除缓冲区
    return maxlength

和上面没啥区别，不同的就是有对E2 Detector的应用。具体有什么用看一眼函数名也超级容易懂，就是返回堵车的车辆数。

2.7 结果