思路：

1.获取路网

请参考我上一篇文章链接: link
注意的是，为了防止第三步公交信息匹配时匹配到铁路或者自行车道上，我们这里采用 --remove-edges.by-type 来去除不需要的道路

netconvert --osm-files 79.osm -o 79.net.xml --remove-edges.by-type bikelanes,railway,highway.service,highway.cycleway,highway.path,highway.footway,railway.highspeed,railway.rail

2.获取公交信息

方法一：用netconvert自动生成公共交通信息。

netconvert --osm-files osm.xml -o net.net.xml --osm.stop-output.length 20 --ptstop-output additional.xml --ptline-output ptlines.xml

–osm-files osm.xml指向OpenStreetMap 文件
-o net.net.xml指向要生成的SUMO网络文件
–osm.stop-output.length 20定义 PT 停止平台的长度，以米为单位
–ptstop-output additional.xml指向要生成的PT停止文件
–ptline-output ptlines.xml指向定义 PT 行的中间文件。
实践证明，这个方法导出的公交信息少得可怜，不过地铁信息倒是挺全的，遂换方法。

方法二：
去高德/百度自己爬，爬到的数据坐标系为GCJ－02（高德）/bd-09（百度），需要把爬到的数据坐标系转为wgs84，因为openStreetMap的坐标系是wgs84，转换生成的路网也是wgs84坐标系。

方法三：推荐一个库：transbigdata，很好用，而且爬到的经纬度坐标就是wgs84，不需要再转换。

这里采用方法三，代码如下：

import transbigdata as tbd
line,stop = tbd.getbusdata('成都 ','79路')
stop.to_csv('stops_79.csv',index=False,encoding='utf-8_sig')
line.to_csv('lines_79.csv',index=False,encoding='utf-8_sig')

3.公交信息匹配到路网

这是最难的一步，可以划分为站点匹配和轨迹匹配，和写入xml文件

3.1站点匹配

3.11统一坐标

路网里面坐标是x,y，而爬取到的数据是经纬度，现在要把它们统一。sumo自带函数里有把经纬度转为x,y坐标的，遂决定把经纬度转换为x,y坐标。

代码如下：

import pandas as pd
import sumolib

data = pd.read_csv('stops_79.csv',encoding='utf-8')
lat = data['lat']
lon = data['lon']
lon = list(map(float,lon))
lat = list(map(float,lat))

x={
    }
y={
    }
net = sumolib.net.readNet('79.net.xml')
for i in range(len(lon)):
    x[i],y[i] = net.convertLonLat2XY(lon[i], lat[i])

dataframe = pd.DataFrame({
    'x':x,'y':y})
dataframe.to_csv("station.csv",encoding='utf-8')

3.12坐标匹配

1.我一开始想的是把站点看成点，把道路看成直线，然后比较点到各直线的距离，取最短的来匹配。这方法简单粗暴，但是不精确，遂换方法。

2.后来了解到隐马尔科夫模型（HMM），正当我准备自己实现的时候，一位大佬告诉我，sumo自带道路匹配函数：

edges = net.getNeighboringEdges(x, y, radius)
if len(edges) > 0:   
	distancesAndEdges = sorted([(dist, edge) for edge, dist in edges])
	dist, closestEdge = distancesAndEdges[0]

然后用closestEdge.getID()获取道路名称，这样就匹配到道路了。

3.2轨迹匹配

同样的办法，先转换成x,y坐标，再匹配到道路。

3.3写xml文件

网上有很多写xml文件的教程，这里就不赘述了，放一下我写站点的代码吧。

from xml.dom import minidom
import pandas as pd

file = minidom.Document()  # 创建xml文件对象
dom = minidom.Document()

data = pd.read_csv('matching.csv',encoding='utf-8')
x = data['x']
lane = data['lane']
lane_route = lane + '_0'

additional_node = dom.createElement("additional")
file.appendChild(additional_node)  # 使其成为根节点

busStop_node = {
    }
stop_node = {
    }
for i in range(len(x)):
    busStop_node[i] = file.createElement('busStop')  # 创建第二个节点
    busStop_node[i].setAttribute('id','{}'.format(i))  # 设置attrib
#     busStop_node[i].setAttribute('name','{}'.format(name[i]))
    busStop_node[i].setAttribute('lane','{}'.format(lane_route[i]))
    busStop_node[i].setAttribute('startPos','{}'.format(x[i]-20))
    busStop_node[i].setAttribute('endPos','{}'.format(x[i]+20))
    busStop_node[i].setAttribute('friendlyPos','True')
    busStop_node[i].setAttribute('lines','79')
    additional_node.appendChild(busStop_node[i])  # 将Maple节点添加到root节点下
    
with open('stop.add.xml', 'w') as f:
    file.writexml(f, indent='', addindent='\t', newl='\n', encoding='UTF-8')

这里的edges.csv

4.生成车流

SUMO tools下的自带功能，可以根据一个固定的发车周期及公交线路、站点，生成公交流量，用于SUMO仿真。

python ptlines2flows.py -n 79.net.xml -s stops.xml -l lines.xml -o 79.rou.xml

不知道为啥它要报错，检查半天也没找出哪里有错误。遂放弃，打算自己写.rou.xml文件

问题总结

站点匹配还挺准确的，但是轨迹匹配点太多，有些会匹配错。大佬告诉我可以先提高匹配精度（减小匹配参数），然后用traci里面的traci.simulation.findRoute()来找路。

但我还不太会用traci，于是就一条路一条路检查，大概花了两个小时，纠错的路段大概有20条。

关于车站停车和流动发车，sumo官方文档里有相关格式，这里也就不多介绍了。

害，还是太菜了啊，看来得多看看官方文档了。