sumo 1.8.0 Windows10 64位 安装包

用于交通信号控制的Deep Q学习代理 深入的Q-Learning强化学习代理尝试在交叉路口选择正确的交通信号灯相位以最大化交通效率的框架。 我已将其上传到此处，以帮助任何人寻找通过SUMO进行深度强化学习的良好起点。 这段代码是从我的硕士论文中提取的，它代表了我的论文工作所用代码的简化版本。 我希望您可以找到此存储库对您的项目有用。 入门 这些说明将为您提供在本地计算机上运行的项目的副本。 我认为，以下是最简单的步骤，以便以最少的工作量从头开始运行算法。 强烈建议使用配备NVIDIA GPU的计算机。 下载Anaconda（）并安装。 下载SUMO（ ）并安装。 按照简短指南正确正确地安装tensorflow-gpu，不会出现问题。 简而言之，该指南告诉您打开Anaconda Prompt或任何终端，然后键入以下命令： conda create --name tf_gpu ac

对SUMO中使用openstreetmap的简单介绍

对于SUMO微观交通仿真软件中的图像交互界面的全面详细介绍，可以帮助初学者更好的了解SUMO-GUI

红绿灯交通学习 需要做的事情： 安装FLOW框架-https: 安装SUMO- //sumo.dlr.de/docs/Downloads.php或遵循FLOW安装 然后，将custom_traffic_light_env.py放入envs文件夹（/ flow / flow / envs）下的FLOW文件夹中。 通过添加以下内容来修改envs文件夹的init.py： 从flow.envs.custom_traffic_light_env导入CustomTrafficLightEnv， CustomTrafficLightPOEnv，CustomTrafficLightTestEnv，CustomTrafficLightBenchmarkEnv 全\u90e8='CustomTrafficLightEnv'，'CustomTrafficLightPOEnv'，'CustomTrafficLig

城市交通仿真平台SUMO 中文文档

SUMO-Environment 一个单路口交通信号灯控制的SUMO环境demo 安装说明 使用命令行安装最新版SUMO 添加官网最新版本的源 sudo add-apt-repository ppa:sumo/stable 更新软件列表 sudo apt-get update 安装 sudo apt-get install sumo sumo-tools sumo-doc main.py脚本运行说明 运行脚本后，会自动弹出SUMO的GUI界面。 弹出界面后，先修改界面右上方工具栏中的Delay为非零数，否则仿真会瞬间完成，看不到仿真过程，数值越大，仿真过程越慢，可以先设置为100。 然后点击左上方绿色的开始箭头即可开始仿真，鼠标滚轮可以缩放仿真界面，按住鼠标左键可以拖动仿真界面。 仿真数据获取说明 print('红绿灯路口西侧排队车辆数目:', traci.lanearea.getJamL

GatcomSUMO是一个多平台应用程序，可使用SUMO交通模拟器和OMNeT ++网络模拟器促进VANET仿真的构建。 与真实或抽象场景的生成，基于真实地图（例如，来自OpenStreetMap）的网络场景的下载和转换，路线创建过程以及车辆机动性建模相关的任务都集成在用户友好的图形界面中。 该工具通过调用SUMO中包含的一组实用程序来执行必要的操作，从而使用户不必键入复杂的命令行命令。 GatcomSUMO可以轻松可视化网络和路由，并且它们的创建方式可以满足相关仿真器（尤其是OMNeT ++）的要求，以避免产生误解和运行时错误。 该应用程序允许将SUMO使用的空间坐标转换为OMNeT ++使用的空间坐标，这对于放置RSU等固定元素至关重要。

相扑 SUMO-RL通过用于交通信号控制的提供了一个简单的界面来实例化强化学习环境。 主类继承了的 。 如果使用参数'single-agent = True'实例化，则其行为类似于来自的常规 。 负责使用 API检索信息并在交通信号灯上。 该存储库的目标： 提供一个简单的界面，以与使用SUMO的交通信号控制强化学习一起使用 支持Multiagent RL 与gym.Env和流行的RL库（例如和 易于定制：状态和奖励定义易于修改 安装 安装最新版本的SUMO： sudo add-apt-repository ppa:sumo/stable sudo apt-get update sudo apt-get install sumo sumo-tools sumo-doc 不要忘记设置SUMO_HOME变量（默认的sumo安装路径为/ usr / share / sumo） ec

静脉-健身房 Veins-Gym将Veins模拟导出为Open AI Gyms。 这使得强化学习算法的应用能够解决VANET域中的问题，特别是诸如Tensorflow或PyTorch之类的流行框架。 执照 该项目根据GNU通用公共许可证2.0的条款获得许可。