我对交叉路口交通控制算法已有自己的SUMO仿真，可以在线生成车辆，获取车辆信息，制定计划决策并控制每辆车。我在模拟中假设车辆和路口代理之间实现了完美的沟通。现在，我想使用静脉模拟现实的交流。但是，在阅读了许多文章并成功遵循了静脉教程之后，我仍然不清楚如何实现它。
大致了解到我有两种选择：
1.使用针对汽车行为的TraCIDemo11p文件和针对交叉代理的TraCIDemoRSU11p文件来实现该算法。问题是我需要再次使用C ++进行所有操作，而我不是C ++的专家。
2.我读了一篇文章：
https://groups.google.com/forum/#!topic/omnetpp/XEazGbgq3eA
电子邮件中询问的问题与我的问题非常相似。 Christoph提供了以下解决方案：
对于这种复杂的交互，最好将所有捆绑在一起 Python脚本中的多路复用功能，然后运行 没有traci-launchd的模拟。
启动静脉时，它将尝试连接到已配置的TraCI服务器 （默认情况下，TCP端口9999上的localhost），然后发送TraCI命令 指示服务器启动SUMO，然后输入一些 订阅请求。
在模拟过程中，静脉将反复发送CMD_SIMSTEP 命令并等待订阅结果（即节点离开， 移动，到达）。
您的脚本可能会延迟将每个CMD_SIMSTEP命令从静脉传递到 SUMO（并将结果中继回静脉），直到准备好 处理下一个时间步。
如果脚本在端口9999上侦听，则读取TraCI命令，并丢弃 第一条消息，然后将其余命令传递给 （已经）正在运行SUMO实例，它可以用作此多路复用 点。
您可以使用从静脉到脚本的其他附加TraCI消息流 会在每个时间步更新存储的连接信息副本。
基本上，我需要创建静脉，并且我的模拟代码都连接到SUMO。每次静脉从SUMO读取运动轨迹并模拟一个时间步的通讯，然后我的算法从SUMO读取静脉的通讯数据和车辆数据，然后向SUMO发送控制命令。最后，SUMO模拟一个时间步，然后回到脉络。
我的问题是：
1.我的理解正确吗？这两种方法可行吗？
2.我喜欢第二种方法，因为它可能需要更少的时间。但是我不知道如何从发送给SUMO的数据静脉中分离CMD_SIMSTEP命令？我相信我应该在sumo-launchd.py中修改forward_connection（）函数，但是我不确定如何更改数据变量。
3.对于静脉连接信息的复制，我不知道从何处获得它们？
非常感谢您的帮助。
更新：来自SUMO文档：
客户端必须使用与TraCI / Control相关的命令来触发SUMO中的每个模拟步骤#Command 0x02：Simulation Step命令。如果已完成任何预订，则返回已预订的值。一旦所有客户端都发送了仿真步骤命令，仿真将前进到下一个。
对于第二个问题，这是否意味着我不需要在forward_connection（）函数中进行任何修改。我只需要弄清楚如何将SUMO与两个客户端（omnetpp和我的算法程序）连接？
更新：我能够成功地遵循静脉教程，现在我能够修改sumo-launchd.py以允许另一个客户端连接SUMO。我试图找出如何从静脉/ omnetpp获取通信数据。