• 可视化

sumo 提供了广泛的输出，但人们可能会发现解析和可视化它们很困难。下面，您可以找到一些工具，用于可视化仿真运行的结果，以便将其包含在科学论文中。其他工具读取纯 .csv 文件，并被添加到套件中，因为它们提供了类似的接口。

所有这些工具都只是围绕出色的 matplotlib 库的包装器。如果您熟悉 Python，一定要看一看。

这些工具共享一组通用选项来微调生成图形的外观。这些选项的名称选择得与 matplotlib 调用相似。

这些工具是用 Python 实现的，需要安装 matplotlib。这些工具可以在 <SUMO_HOME>/tools/visualization 中找到。

当前工具#

下面，您将找到应该与当前 sumo/sumo-gui 生成的输出一起工作的工具的描述。要运行它们，您需要：

• 安装 Python
• 安装 matplotlib
• 设置 <SUMO_HOME>

所有脚本都从命令行执行，您必须提供如下所述的命令行选项。请注意，#通用选项 可以应用于以下小节中列出的所有脚本，尽管某些选项可能对某些脚本不起作用。

plotXMLAttributes.py#

从一个或多个 xml 文件中创建多个 2D 图，这些图包含两个任意属性，并按第三个属性（即检测器 id）进行聚合。

使用示例：

python  tools/visualization/plotXMLAttributes.py -x x -y y fcd.xml
python  tools/visualization/plotXMLAttributes.py -x x -y y fcd.xml fcd2.xml

上面的示例基于 fcd 输出绘制所有车辆通过网络的路径。（这是一个特例，也可以用 plot_trajectories.py 完成）

当设置了选项 --show 时，会打开一个交互式绘图，允许通过点击绘图来识别数据点车辆（dataID 会打印在控制台上）。

选项 --filter-ids ID1,ID2,... 允许将绘图限制为给定的数据元素 id。您可以使用通配符来过滤掉遵循某种模式的 id；例如 --filter-ids bus_* 将过滤掉所有以四个字符 "bus_" 开头的 id。

下面显示了更多示例。其中一些是使用 acosta 场景生成的，这是已发布的 sumo 场景之一 (https://github.com/DLR-TS/sumo-scenarios/tree/main/bologna/acosta)。

绘图样式#

该脚本支持以下不同的绘图样式：

• lineplot: 默认
• scatterplot: 使用选项 --scatterplot
• box plot: 通过设置 --xattr @BOX 或 --yattr @BOX 之一
• bar plot: 通过设置 --barplot 或 --hbarplot

特殊属性#

以下属性值具有特殊含义。它们不是使用输入文件中的属性，而是基于其他属性派生值。（即，如果特殊属性设置为 --xattr，则其他值由 --yattr 给出）。

• @INDEX: 使用输入文件中其他值的索引。
• @FILE: 使用（缩短的）输入文件名（当绘制每个文件一个值时很有用）
• @RANK: 使用其他值在排序（降序）值列表中的索引。
• @COUNT: 使用其他值的出现次数。与选项 --barplot 或 -hbarplot 一起使用，这会给出直方图。可以通过选项 --xbin 和 --ybin 设置分箱大小。
• @DENSITY: 使用其他值的出现次数，按值的总数进行归一化。
• @BOX: 绘制其他值的一个或多个箱线图。--idattr 用于分组，每个 id 将有一个箱线图。
• @NONE: 可与选项 --idattr 一起使用以显式避免分组。

交互式绘图#

当点击线条或绘图点时，点击位置附近的数据点 id 会打印在控制台上。

过滤#

选项 --filter-ids ID1,ID2,... 允许将绘图限制为给定的数据 id。

在指定过滤器时允许使用通配符 *, ?, [ 和 ]。这根据文件名通配规则工作。

多线绘图#

• 默认情况下，每个不同的 ID（由 --idattr 定义）将为与该 ID 关联的所有数据点生成一条新线。
• 如果给出了多个文件，缩写的文件名将成为数据点 ID 的一部分，从而为每个文件的数据创建不同的线或散点。
• 如果将逗号分隔的值列表传递给选项 --idattr，则每个属性的值将与 | 组合以形成数据点 ID。
• 如果将逗号分隔的值列表传递给 --xattr 或 --yattr（或两者），并且数据不提供 ID（或设置了选项 --idattr @NONE），则每个单独的 xattr 和 yattr 的组合将创建一条新线。

CSV 输出#

如果需要一个无法使用上述任何方法创建的组合图（即因为数据来自不同类型的数据文件，例如 summary-output 和 edgeData），则另一种方法是使用选项 --csv-output 并使用另一个工具（即 gnuplot）绘制结果数据。

在 csv 输出中，属于同一 ID 的每组数据点将形成自己的块，并与下一个块用两个空行分隔。 要在 gnuplot 中复制每个 ID/块具有不同颜色的绘图，可以使用以下方法：

stats 'data.csv'
plot for [idx=0:STATS_blocks] 'data.csv' i idx with lines

XML 格式假设#

plotXMLAttributes 的默认解析引擎假设每个 xml 元素在输入文件中恰好占一行。这符合所有 SUMO 应用程序的输出格式。 如果要绘制任意 XML 文件（即没有换行符），可以设置选项 --robust-parser。这将降低处理速度。

感应线圈速度随时间变化#

输入是 inductionloop-output，包含来自 2 个检测器的 30 秒聚合（<e1Detector id="e1Detector_-109_0_0" lane="-109_0" pos="54.06" period="30.00" file="data.xml"/>）

调用：python tools/visualization/plotXMLAttributes.py data.xml -x begin -y speed -s

车道区域检测器随 nVehEntered 变化#

输入是 laneareadetectors-output，包含来自 6 个检测器的 30 秒聚合

调用：python tools/visualization/plotXMLAttributes.py -x begin -y maxOccupancy -o plot-maxOccupancy.png --legend e2_output.xml --filter-ids e2_0,e2_5,e2_10,e2_15,e2_20,e2_25

多入口出口检测器平均速度随时间变化#

输入是 multi-entry-exit-detector-output，包含 30 秒聚合，并在开始和结束处截断

调用：python tools/visualization/plotXMLAttributes.py -x begin -y meanSpeed detector.xml --legend --xlim 100,5000

每个站点的登车乘客数与延误#

输入是 stop-output

调用：python tools/visualization/plotXMLAttributes.py stopinfos.xml -i busStop -x loadedPersons -y delay --scatterplot --legend

来自 edgeData 的基本图#

输入是 edgeData-output，包含 1 分钟聚合（<edgeData id="example" file="data.xml" period="60"/>）

调用：python tools/visualization/plotXMLAttributes.py data.xml -i id -x density -y left --scatterplot --yfactor 60 --ylabel vehs/hour

每种颜色代表不同的 edge-id。选项 --factor 60 用于将车辆/60 秒（edgeData-period 60）转换为车辆/小时。

来自 summary-output 的多个时间线#

输入是 summary。 此图演示了使用属性列表从同一 xml 输入元素生成多个数据点。 在没有 id-attribute 的情况下，相应的属性名称用于“识别”和分组数据点。

调用：python tools/visualization/plotXMLAttributes.py summary.xml -x time -y running,halting -o plot-running.png --legend

来自 TripInfo 数据的出发延误随时间变化#

该图由 TripInfo 输出数据创建：

调用 python tools/visualization/plotXMLAttributes.py -i id -x depart -y departDelay --scatterplot --xlabel "depart time [s]" --ylabel "depart delay [s]" --ylim 0,40 --xticks 0,1200,200,10 --yticks 0,40,5,10 --xgrid --ygrid --title "depart delay over depart time" --titlesize 16 tripInfo.xml

碰撞时间随仿真时间变化#

该图由 SUMO 仿真输出文件创建，其中添加了全局 SSM 设备。在此示例中，从 Bologna "acosta" 场景 开始，SUMO 配置文件已被修改以计算碰撞时间：

<configuration xmlns:xsi="https://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="https://sumo.dlr.de/xsd/sumoConfiguration.xsd">

    <device.ssm.deterministic value="true"/>
    <device.ssm.file value="ssm.xml"/>
    <device.ssm.measures value="TTC"/>

</configuration>

仿真运行完成后，会生成一个 XML 文件 ssm.xml。使用此文件，我们可以通过命令行提取并绘制 TTC 值：

python.exe .\plotXMLAttributes.py ssm.xml -x time --xlabel "Time [s]" -y value --ylabel "TTC [s]" -i ego --filter-ids bus_* --title "time to collision over simulation time" --scatterplot

排队时间随时间变化#

输入是 queue-output。

生成图的调用：

python tools/visualization/plotXMLAttributes.py -x timestep -y queueing_time -o queue.png queue.xml -i id --filter-ids 121_0

其中 -x 是 x 轴的属性；-y 是 y 轴的属性；-o 是输出文件名；-i 是过滤的属性名称（本例中为车道 id）；--filter-ids 是过滤属性名称的值（本例中 id = 121_0）。

出发时间与到达时间#

输入是 vehroutes-output。

生成图的调用：

python tools/visualization/plotXMLAttributes.py -x depart -y arrival -o vehroute.png vehroute.xml --scatterplot

其中 -x 是 x 轴的属性；-y 是 y 轴的属性；-o 是输出文件名；--scatterplot 是为了制作散点图而不是线图。

前车间隙与速度#

输入是 lanechange-output。

生成图的调用：

python tools/visualization/plotXMLAttributes.py -x speed -y leaderGap -o lc.png lanechange.xml -i reason --filter-ids speedGain

其中 -x 是 x 轴的属性；-y 是 y 轴的属性；-o 是输出文件名；-i 是过滤的属性名称（本例中为换道原因）；--filter-ids 是过滤属性名称的值（本例中 reason = speedGain）。

所有轨迹随时间变化 1#

输入是 fcd_output。

生成图的调用：

python tools/visualization/plotXMLAttributes.py -x x -y y -o allXY_output.png fcd.xml --scatterplot

其中 -x 是 x 轴的属性；-y 是 y 轴的属性；-o 是输出文件名；--scatterplot 是为了制作散点图而不是线图。

选定轨迹随时间变化 1#

输入是 fcd_output。

生成图的调用：

python tools/visualization/plotXMLAttributes.py -x x -y y -o vehLocations_output.png fcd.xml -i id --filter-ids Audinot_7_0 --scatterplot --legend

其中 -x 是 x 轴的属性；-y 是 y 轴的属性；-o 是输出文件名；-i 是过滤的属性名称（本例中为车辆 id）；--filter-ids 是过滤属性名称的值（本例中 vehicle id = Audinot_7_0）；--scatterplot 是为了制作散点图而不是线图；--legend 是为了显示图例。

公共交通时刻表#

在此类图中，时间在 y 轴上，从上到下运行。输入是公共交通时刻表的路线文件，其中每辆车都是单独建模的。 也可以通过使用属性 started 或 ended（或 started,ended）代替 until，从 stop-output 生成类似的图。

生成图的调用：

python tools/visualization/plotXMLAttributes.py route.rou.xml -x busStop -y until --ytime1 --legend --xticks-file stoplist.txt --invert-yaxis --marker o

文件 stoplist.txt 用于定义站点的顺序（对应于它们在运输线路上的顺序），如下所示。 为了将属于同一火车站不同轨道的公交车站分组，它们在 id 中使用了共同的后缀，并且 stoplist.txt 文件使用通配符 (*) 来匹配它们。

*WLA
*KI
*MM
*KX
*LHG

随时间变化的转弯计数#

此图使用属性列表作为值 id (-i from,to) 来反映转弯关系由两个属性的组合唯一标识的事实。它还演示了灵活的过滤以显示所有通过边 -40 或边 36 的交通。

生成图的调用：

python tools/visualization/plotXMLAttributes.py turnCounts.xml -i from,to -x begin -y count --xtime0 --legend  --filter-ids="-40|*,36|*"

箱线图：按 departLane 划分的等待时间#

此图演示了单个属性（waitingTime）的箱线图。可选择按类别（departLane）拆分。该调用使用来自两个不同仿真运行的 tripinfo-output 作为其输入。

生成图的调用：

python tools/visualization/plotXMLAttributes.py tripinfos.xml tripinfos2.xml  -x waitingTime -y @BOX -i departLane --show

timeLoss 的直方图#

此图演示了 --barplot 分箱和 @COUNT 的使用，以创建来自两个仿真运行的 timeLoss 值的直方图。 它还显示了如何将数据限制在 300 的上限。

生成图的调用：

plotXMLAttributes.py tripinfos.xml tripinfos2.xml -x timeLoss -y @COUNT -i @NONE --legend  --barplot --xbin 20 --xclamp :300

plot_trajectories.py#

创建从通过 --fcd-output 生成的文件中获得的所有轨迹的图。此工具特别位于 <SUMO_HOME>/tools 中。

使用示例：

python tools/plot_trajectories.py fcd.xml -t td -o plot.png -s

选项 -t (--trajectory-type) 支持可以相互绘制的不同属性。参数是一个双字母代码，每个字母编码一个从 fcd 输入派生的属性。

可用属性#

• t: 时间（秒）
• d: 行驶距离（从每个车辆的第一个 fcd 数据点开始为 0）。距离基于速度使用欧拉积分计算。设置选项 --ballistic 以使用弹道积分。
• a: 加速度
• s: 速度 (m/s)
• i: 车辆角度（导航度）
• x: X 位置 (m)
• y: Y 位置 (m)
• k: 里程（需要 --fcd-output.distance）
• g: 与前车的间隙（需要 --fcd-output.max-leader-distance）

轨迹类型示例#

• td: 时间与距离
• ts: 时间与速度
• ta: 时间与加速度
• ds: 距离与速度
• da: 距离与加速度
• xy: 驾驶路径的空间图
• kt: 里程与时间（与选项 --invert-yaxis 结合使用以获得经典的铁路图）。

加速度与距离#

输入是 fcd-output。

生成图的调用：

python tools/plot_trajectories.py -t da -o Plot_trajectories.png fcd.xml

其中 -t 是上述轨迹类型；-o 是输出文件名。

所有轨迹随时间变化 2#

输入是 fcd-output。

生成图的调用：

python tools/plot_trajectories.py -t xy -o allLocations_output.png fcd.xml

其中 -t 是上述轨迹类型；-o 是输出文件名。

选定轨迹随时间变化 2#

输入是 fcd-output。

生成图的调用：

python tools/plot_trajectories.py -t xy -o selectXY_output.png fcd.xml --filter-ids Audinot_7_0

其中 -t 是上述轨迹类型；-o 是输出文件名；--filter-ids 是过滤属性的值（本例中 id = Audinot_7_0）。

基于 FCD 的速度随时间变化#

输入是 fcd-output。

生成图的调用：

python tools/plot_trajectories.py -t ts -o timeSpeed_output.png fcd.xml --filter-ids Audinot_7_0,Costa_12_0,Pepoli_3_0,Silvani_11_0,XXI_APRILE_7_0 --legend

其中 -t 是上述轨迹类型；-o 是输出文件名；--filter-ids 是过滤属性的值（本例中 id 在 [Audinot_7_0, Costa_12_0, Pepoli_3_0, Silvani_11_0, XXI_APRILE_7_0] 中）；--legend 是为了显示图例

交互式绘图#

当设置了选项 -s 时，会打开一个交互式绘图，允许通过点击相应的线条来识别车辆（车辆 id 会打印在控制台上）。

过滤#

选项 --filter-route EDGE1,EDGE2,... 允许将绘图限制为包含给定边集的所有轨迹。

选项 --filter-ids ID1,ID2,... 允许将绘图限制为给定的车辆 id

plot_net_dump.py#

plot_net_dump.py 显示一个网络，其中网络边的颜色和宽度取决于定义的边属性。边权重从 "edgedumps" 读取 - edgelane traffic、edgelane emissions 或 edgelane noise。

python plot_net_dump.py -v -n bs.net.xml \ --xticks 7000,14001,2000,16 --yticks 9000,16001,1000,16 \ --measures entered,entered --xlabel [m] --ylabel [m] \ --default-width 1 -i base-jr.xml,base-jr.xml \ --xlim 7000,14000 --ylim 9000,16000 -\ --default-width .5 --default-color #606060 \ --min-color-value -1000 --max-color-value 1000 \ --max-width-value 1000 --min-width-value -1000 \ --max-width 3 --min-width .5 \ --colormap "#0:#0000c0,.25:#404080,.5:#808080,.75:#804040,1:#c00000" 它显示了在建立环保区后，不伦瑞克市周二至周四类型的交通变化。

python plot_net_dump.py -v -n bs.net.xml \ --xticks 7000,14001,2000,16 --yticks 9000,16001,1000,16 \ --measures NOx_normed,NOx_normed --xlabel [m] --ylabel [m] \ --default-width 1 -i HBEFA_base-jr.xml,HBEFA_base-jr.xml \ --xlim 7000,14000 --ylim 9000,16000 \ --default-width .5 --default-color #606060 \ --min-color-value -.1 --max-color-value .1 \ --max-width-value .1 --max-width 3 --min-width .5 \ --colormap "#0:#00c000,.25:#408040,.5:#808080,.75:#804040,1:#c00000" 显示 NOx 排放的相应变化。

• --dump-inputs <FILE>,<FILE> 和 --measures <STRING>,<STRING> 都期望两个条目，用 ',' 分隔。第一个用于边的颜色，第二个用于它们的宽度。但您可以简单地跳过一个条目。然后，使用默认值。
• dump 文件通常覆盖多个间隔。要为每个间隔生成一个额外的输出文件，请在输出文件名中使用字符串 '%s'（此部分将被相应的开始时间替换）。

选项

这里列出了最重要的选项。使用 --help 查看所有选项。

plot_net_selection.py#

plot_net_selection.py 读取一个道路网络和一个由 sumo-gui 写入的选择文件。它绘制道路网络，为选择中的边（选择中至少有一条车道的所有边）选择不同的颜色和宽度。

python plot_net_selection.py -n bs.net.xml \ --xlim 7000,14000 --ylim 9000,16000 \ -i selection_environmental_zone.txt \ --xlabel [m] --ylabel [m] \ --xticks 7000,14001,2000,16 --yticks 9000,16001,1000,16 \ --selected-width 1 --edge-width .5 -o selected_ez.png \ --edge-color #606060 --selected-color #800000 该示例显示了“环保区”的选择。

选项

plot_net_speeds.py#

plot_net_speeds.py 读取一个道路网络，并使用允许的速度为边着色。它更像是使用从网络文件读取的度量的一个示例。

python plot_speeds.py -n bs.net.xml --xlim 1000,25000 \ --ylim 2000,26000 --edge-width .5 -o speeds2.png \ --minV 0 --maxV 60 --xticks 16 --yticks 16 \ --xlabel [m] --ylabel [m] --xlabelsize 16 --ylabelsize 16 \ --colormap jet 该示例按其最大允许速度为德国不伦瑞克的街道着色。

选项

plot_net_trafficLights.py#

plot_net_trafficLights.py 读取一个道路网络并绘制它，此外还在属于网络的交通灯位置添加点/标记。

python plot_trafficLights.py -n bs.net.xml \ --xlim 1000,25000 --ylim 2000,26000 --edge-width .5 \ --xticks 16 --yticks 16 --xlabel [m] --ylabel [m] \ --xlabelsize 16 --ylabelsize 16 --width 5 \ --edge-color #606060 该示例显示了不伦瑞克的交通灯。

选项

plot_summary.py#

plot_summary.py 读取一个或多个 summary-files 并绘制选定的度量（读取的 summary-files 的属性）。该度量作为沿仿真时间的时间线进行可视化。

python plot_summary.py -i mo.xml,dido.xml,fr.xml,sa.xml,so.xml \ -l Mo,Di-Do,Fr,Sa,So --xlim 0,86400 --ylim 0,10000 -o sumodocs/summary_running.png --yticks 0,10001,2000,14 \ --xticks 0,86401,14400,14 --xtime1 --ygrid \ --ylabel "running vehicles [#]" --xlabel "time" \ --title "running vehicles over time" --adjust .14,.1 该示例显示了不伦瑞克市大规模场景中，标准工作日类别下一天中运行的车辆数量。“mo.xml”、“dido.xml”、“fr.xml”、“sa.xml”和“so.xml”是分别来自周一、周二至周四、周五、周六和周日类型仿真的 summary-files。

选项

plot_tripinfo_distributions.py#

plot_tripinfo_distributions.py 读取一个或多个 tripinfo-files 并绘制选定的度量（读取的 tripinfo-files 的属性）。该度量作为垂直条形图进行可视化，这些条形图代表落入一个分箱的度量（车辆）的出现次数。

python plot_tripinfo_distributions.py \ -i mo.xml,dido.xml,fr.xml,sa.xml,so.xml \ -o tripinfo_distribution_duration.png -v -m duration \ --minV 0 --maxV 3600 --bins 10 --xticks 0,3601,360,14 \ --xlabel "duration [s]" --ylabel "number [#]" \ --title "duration distribution" \ --yticks 14 --xlabelsize 14 --ylabelsize 14 --titlesize 16 \ -l mon,tue-thu,fri,sat,sun --adjust .14,.1 --xlim 0,3600 该示例显示了不同工作日类别车辆的行程时间分布（不伦瑞克场景）。“mo.xml”、“dido.xml”、“fr.xml”、“sa.xml”和“so.xml”是分别来自周一、周二至周四、周五、周六和周日类型仿真的 tripinfo-files。

python plot_tripinfo_distributions.py -i tripinfo.xml -o stopCountDist.png \ --measure waitingCount --bins 10 --maxV 10 \ --xlabel "number of stops [-]" --ylabel "count [-]" \ --title "distribution of number of stops" --colors blue -b --no-legend 该示例显示了车辆在行程中必须停站的次数分布。停站次数超过 9 次的车辆被添加到直方图的最后一个分箱中。

选项

plot_csv_timeline.py#

plot_csv_timeline.py 读取一个 .csv 文件，并使用 --columns <INT>[,<INT>]* 选项绘制选定的列。这些值作为线条进行可视化。

plot_csv_timeline.py \ -i nefz.csv -c 1 --no-legend --xlabel "time [s]" \ --ylabel "velocity [km/h]" --xlabelsize 14 --ylabelsize 14 \ --xticks 14 --yticks 14 --colors k --ylim 0,125 \ --output nefz.png \ --title "New European Driving Cycle (NEDC)" --titlesize 16 该示例显示了 新欧洲驾驶循环 (NEDC)。

选项

plot_csv_pie.py#

plot_csv_pie.py 读取一个 .csv 文件，该文件被假定在第一列包含名称，在第二列包含相应的值。读取的名称/值对作为饼图进行可视化。

plot_csv_pie.py \ -i paradigm.csv -b --colormap Accent --no-legend -s 6,6 注意： 请注意，您应该使用 --size <FLOAT>,<FLOAT> 选项将宽度和高度设置为相同的值，参见#通用选项。否则您会得到一个椭圆形。

选项

plot_csv_bars.py#

plot_csv_bars.py 读取一个 .csv 文件，该文件被假定在第一列包含名称，在第二列包含相应的值。读取的名称/值对作为条形图进行可视化。

plot_csv_bars.py \ -i nox_effects.txt --colormap RdYlGn --no-legend --width .4 \ -s 8,4 --revert --xlim 0,50 --xticks 0,51,10,16 --yticks 16 \ --adjust .28,.1,.95,.9 --show-values

选项

macrOutput.py#

此工具将 EdgeData 输出绘制为基本图（体积-密度、速度-密度和体积-速度关系，每个边和车道）。 这要求 EdgeData 输入文件具有包含 sampledSeconds、density、laneDensity 和 speed 属性的间隔数据。该工具支持通用选项。不过，输出被解释为目录而不是文件。输出文件名如下：

• Edge_vk.png (速度-密度关系)
• Edge_qk.png (体积-密度关系)
• Edge_qv.png (体积-速度关系)
• Lane_vk.png (速度-密度关系)
• Lane_qk.png (体积-密度关系)
• Lane_qv.png (体积-速度关系)

示例调用：python macrOutput.py edgeData.xml

通用选项#

以下选项是所有先前列出的工具通用的。它们可以分为两组：

• 用于格式化图形的选项（包括添加标题等）
• 用于确定如何处理生成图形的选项

这些选项分别在以下小节中列出和讨论。

格式化选项#

交互选项#

如果其中一个脚本只是在没有下面列出的选项的情况下启动，图形将被显示。要将图形额外写入文件，必须使用 --output <FILE>（或简写 -o <FILE>）给出要生成的文件名。

如果脚本在批处理文件中运行，显示图形通常不方便（一旦知道它符合要求）。在这种情况下，可以使用选项 --blind (-b) 来抑制显示图形。

其他可视化方法#

在 sumo-gui 中根据任意数据为边着色和缩放#

sumo-gui 可以加载 edgeData 文件 并使用其中任何属性的值为边（道路）着色以及修改边的视觉宽度。这服务于与 plot_net_dump.py 类似的用例，但允许使用 sumo-gui 的所有动态缩放和平移功能。

在逐步进行仿真时，可以显示权重文件中包含的不同时间间隔。将仿真步长调整为数据周期以方便步进可能很有用：

sumo-gui -n NET --edgedata-files FILE --step-length 3600 --end 24:0:0

之后，您需要进行以下设置：

• 选择 "edgeData" 进行着色：

• 选择数据类型并重新校准着色的间隔阈值：

• 设置颜色边图例（可选）：

关于 "Recalibrate Rainbow"，它是使用当前步骤中读取的数据完成的。因此，在单击 "Recalibrate Rainbow" 之前，可能需要运行一些步骤来获取数据。此外，如果使用另一个步骤的数据，结果可能会不同。或者，您可以 (1) 直接在 "Recalibrate Rainbow" 图标旁边设置最小值和最大值，或者 (2) 手动设置每个间隔的间隔阈值。

交叉口流量图#

要可视化交叉口的流量，其中线宽与交通量成正比，可以使用工具 route2poly.py。

1. 使用 netedit 选择一个或多个交叉口的所有边，这些边的流量将被可视化，并将选择保存到文件（例如 sel.txt）

2. 生成宽度与通过选定边的车辆数量成正比的多边形。当设置 --scale-width to 0.01 时，100 辆使用相同边序列的车辆将对应于 1m 的多边形宽度。选项 --spread 用于防止生成的多边形重叠，应根据多边形宽度进行调整。

     route2poly.py NET routes.rou.xml -o flows.poly.xml --filter-output.file sel.txt --scale-width 0.01 --internal --spread 1 --hue cycle
   

3. 在 sumo-gui 中可视化流量

     sumo-gui -n NET -a flows.poly.xml
   

将 FCD 数据可视化为移动的 POI#

工具 fcdReplay.py 可用于在 sumo-gui 中重放 fcd-output 文件。

使用示例：

python  tools/fcdReplay.py -k example.sumocfg -f fcd.xml

要使用带有 lon/lat 值的 fcd 数据（使用 sumo 选项 --fcd-output.geo 生成），必须设置选项 --geo。

过时的#

这些工具的命名方式如下：<API>__<DESCRIPTION>.py，其中：

• <API>: mpl 表示 matplotlib
• : 处理的 SUMO 输出（主要是）
• <DESCRIPTION>: 工具的功能

mpl_dump_twoAgainst.py#

读取两个 dump 文件（强制选项 --dump1 <FILE> 和 --dump2 <FILE>，或简写 -1 <FILE> 和 -2 <FILE>）。提取由 --value 描述的值（默认值: speed）。绘制 dump2 的值与 dump1 的相应（相同间隔时间和边）值的关系图。

当 --show 设置时显示绘图，或者当 --output <FILE> 设置时将其保存到文件。

您可以使用 (--join) 额外绘制值的归一化和。否则，您可以尝试使用 --time-coloring 为读取的间隔分配不同的颜色。

您可以使用 --xticks <XMIN,XMAX,XSTEP,FONTSIZE> 和 --yticks <YMIN,YMAX,YSTEP,FONTSIZE> 格式化轴，并使用 --xlim <XMIN,XMAX> 和 --ylim <YMIN,YMAX> 设置它们的限制。可以使用 --size <WIDTH,HEIGHT> 设置图像的输出大小。

mpl_tripinfos_twoAgainst.py#

读取两个 tripinfos 文件（强制选项 --tripinfos1 <FILE> 和 --tripinfos2 <FILE>，或简写 -1 <FILE> 和 -2 <FILE>）。提取由 --value 描述的值（默认值: duration）。绘制 tripinfos2 的值与 tripinfos1 的相应（相同车辆）值的关系图。

当 --show 设置时显示绘图，或者当 --output <FILE> 设置时将其保存到文件。

您可以使用 --xticks <XMIN,XMAX,XSTEP,FONTSIZE> 和 --yticks <YMIN,YMAX,YSTEP,FONTSIZE> 格式化轴，并使用 --xlim <XMIN,XMAX> 和 --ylim <YMIN,YMAX> 设置它们的限制。可以使用 --size <WIDTH,HEIGHT> 设置图像的输出大小。

mpl_dump_timeline.py#

从通过 --dumps <DUMP>[,<DUMP>]* 定义的 dump 中读取由 --edges <EDGEID>[,<EDGEID>]* 定义的边的值（给定为 --value <VALUE>，默认速度）。使用通过 --colors <MPL_COLOR>[,<MPLCOLOR>]* 定义的颜色将它们绘制为时间线。请注意，颜色数量必须等于边数 * dump 数。

当 --show 设置时显示绘图，或者当 --output <FILENAME> 设置时将其保存到文件。

您可以使用 --xticks <XMIN,XMAX,XSTEP,FONTSIZE> 和 --yticks <YMIN,YMAX,YSTEP,FONTSIZE> 格式化轴，并使用 --xlim <XMIN,XMAX> 和 --ylim <YMIN,YMAX> 设置它们的限制。可以使用 --size <WIDTH,HEIGHT> 设置图像的输出大小。

mpl_dump_onNet.py#

读取一个网络（使用 --net-file <NET> 或 -n <NET> 定义）和一个边 dump 文件（--dump <DUMPFILE> 或 -d <DUMP_FILE>）。使用从 <NET> 读取的几何形状绘制网络。每条边使用的宽度和颜色都使用 --value <WIDTHVALUE>,<COLORVALUE> 确定，其中 <WIDTHVALUE> 和 <COLORVALUE> 都是 dump 文件中存在的、每条边都有的属性。

您可以通过设置 --color-map <DEFINITION> 来更改使用的颜色映射。<DEFINITION> 由排序的值列表（介于 0 和 1 之间）和分配的颜色组成。这意味着默认的 0:#ff0000,.5:#ffff00,1:#00ff00 让具有低 <COLORVALUE> 值的街道显示为红色，中间的显示为黄色，具有高值的显示为绿色。对于给定值之间的值，颜色使用线性插值确定。请注意，只能使用小写十六进制字符。

当 --show 设置时显示绘图，或者当 --output <FILENAME> 设置时将其保存到文件。

--join 将每条边找到的值相加，并将结果除以这些值的数量。如果未设置 join 并且给出了 --output，则应选择如下所示的输出名称：<NAME>'%05d.png。%05d 将被写入的当前时间步替换。

如果您通过不“连接”（聚合）数据生成了一组图像，可以使用 ImageMagick 和以下命令将获得的图片转换为动画 gif：

convert -delay 20 *.png -loop 0 animation.gif

（loop 0 表示动画在结束后从头开始重复）

您可以使用 --xticks <XMIN,XMAX,XSTEP,FONTSIZE> 和 --yticks <YMIN,YMAX,YSTEP,FONTSIZE> 格式化轴，并使用 --xlim <XMIN,XMAX> 和 --ylim <YMIN,YMAX> 设置它们的限制。可以使用 --size <WIDTH,HEIGHT> 设置图像的输出大小。