上海濟達交通科技有限公司是國產TESS NG微觀交通軟件研發商。2022年9月26日，上海濟達交通科技有限公司正式發布了TESS NG的V2.1 python二次開發接口版本。在支持 C 語言開發的基礎上，進一步開放支持Python接口開發語言（推薦Python3.6版本）。并且統一了C 與Python二次開發的接口調用方式。

TESS NG的二次開發接口架構清晰完善，用戶交互開發便捷，其通過用戶編寫代碼與TESS NG交互來實現能力擴張與功能定制的。TESS NG二次開發版本面向用戶的車輛及發車屬性、信號控制優化、自動駕駛仿真、網聯車隊行為、智慧高速管控、參數標定與強化學習等高頻場景應用需求，均開放了相應模塊的二次開發功能。用戶可以在官網www.jidatraffic.com下載試用最新二次開發版本（查看運行范例）。二次開發主要功能概況具體如下文[以下10個范例源代碼文件均可在安裝包中查看]：

1.二次開發整體架構介紹

TESS NG通過實現TessInterface及其三個子接口，將自身主要功能暴露給用戶，用戶啟動TESS NG后可以通過tessngIFace()方法獲取TESS NG的頂層接口，再通過頂層接口獲取三個子接口，調用子接口方法。TESS NG加載插件后可以調用python實現的插件接口方法，用戶可以在插件方法中通過TessInterface及其子接口控制仿真運行，及仿真過程中車輛駕駛行為、信號燈色、路徑車輛分配等。二次開發的整體架構圖如下：

二次開發的應用可以主要劃分為：車輛發車及管控參數信息調整，駕駛模型行為參數調整、循環仿真如強化學習及參數標定等，本文將按照此內容具體說明二次開發的應用案例。

2.車輛及發車屬性更改

在發車過程中，可以通過接口調整車輛的發車位置，發車類型，車輛顏色，車輛長寬尺寸等特征，實現任意斷面任意車道的發車及車輛運行。

車輛可以在仿真系統中以指定顏色，指定外形尺寸等發車，以及發車后的駕駛行為等。用戶可以基于二次開發接口實現三種類型的發車：即斷面發車點集計發車、路段車道中任意位置發車、映射一段雷達軌跡后由仿真接管車輛運行。

基于此方式，用戶可通過實時斷面感知數據，實現的數字孿生映射場景，即通過斷面或局部感知的數據，將斷面數據推演至全域進行展示復現。

3.信號控制優化

在信號控制優化模塊中，TESS NG二次開發接口模塊同時還可以進行各類感應控制方案的開發測試，包括綠燈延長，紅燈早斷，相位搭接等方案測試，設置綠燈延長時間，最大綠燈關鍵參數，其中各類感應控制和檢測設施可以有效感知所有或某類車輛的通行特征，從而動態的控制信號燈的變化，如下所示范例即為公交信號控制優先的場景，公交車輛在進入區域后，有感應控制模塊的信號控制方案會實現紅燈的早斷和綠燈的延長，保障公交系統的順利運行。同時該模塊還可以進行干線綠波等控制方式的仿真測試。

在視頻場景中，信號控制即通過檢測器（數據采集點）的感知信息，實時實現單位綠燈延長和紅燈早斷。系統的具體實現流程圖下所示。

4.智能網聯混駕場景

網聯車輛仿真是目前二次開發應用高頻的場景，隨著自動駕駛網聯環境發展下，車輛如何執行編隊情況下的駕駛行為，實現快速的變道編隊協作，以及編隊車輛在網聯自動環境與人工駕駛的高效協同駕駛，是目前自動駕駛應用的重要方向。其中示范的自動駕駛編隊場景的應用如下：該范例場景中，CV時刻搜索外側相鄰車道上的CV編隊或可形成編隊的潛在CV對象，完成目標搜索后，CV將執行換道實現編隊并入，并在CV完成編隊后，其駕駛行為模型也將同步更新，期望速度提升，并采用更為激進的跟馳策略。

智能網聯車隊的場景實現技術路線如下圖。

5.網聯車輛匯入行為決策

在智能網聯場景下，由于網聯車輛能夠準確獲取到主線上下游車輛的具體位置信息及運行狀態，如何利用這些信息對網聯車的匯入決策進行有效指導，進而優化整個快速路合流區運行效率，是目前車路協同背景下交通管控的重要方向。其中示范的網聯車輛匯入行為決策應用如下：基于TESS NG二次開發接口能夠有效模擬在不同可接受間隙下網聯車輛匯入行為差異及其對主線交通流的影響。

場景實現的具體流程如下所示。

6.各類事件的模擬

在精細化的車輛控制模型中，可以設置車輛占用1車道的輕微拋錨事故，或者車輛同時占用多車道的嚴重碰撞事故等，便于用戶測試不同事故狀態下的管理效果。事件可以在仿真前離線添加，也可以在仿真過程中動態添加。占用單車道的輕微事故模擬和占用多車道的重大事故模擬具體如下。

單車道事故

雙車道事故

場景實現的流程圖如下所示。

7. 智能網聯車隊場景

目前，應對擁堵瓶頸問題缺乏高效且可行的管控方法，而車路協同及智能網聯車輛技術在減少交通事故、緩解交通擁堵、提高道路及車輛利用率方面具有巨大潛能。在智能網聯環境下，用戶可以自由地設置網聯車比例，網聯車隊類型，車輛數目等。網聯車隊行為算法通過車路協同的車隊超視距感知，使網聯車隊提前變道，避免二次事故發生，下圖即示意某個大貨車網聯車隊在通過彎道時遇到前方事故，提前接收到RSU（Road Side Unit）預警信息而提前變道的效果。一般此類功能較多應用于定制化的場景展示?？梢杂行П碚骱驮u估網聯車隊等行為決策，對交通系統運行產生的影響。

系統實現業務場景流程如下。

8.自動駕駛車輛駕駛行為

自動駕駛車輛（AV）自由換道算法由換道決策算法、換道路徑規劃算法和換道運動控制算法三部分組成。在自動駕駛仿真的測試環境中，可以通過設置不同感知范圍內的車流信息、路網信息、通行環境等，綜合判斷換道行為的收益，進而控制車輛自身的駕駛行為決策，此時可以控制單個車輛的駕駛行為，也可以控制多個車輛，包括ACC車隊的駕駛行為?？梢钥刂频能囕v駕駛行為包括跟馳行為，變道行為，讓行行為等。

同時仿真運行時，可以顯示車輛實時感知前方對象范圍的探測角度，距離等。

視頻中顯示的即為車輛在不同感知范圍，感知距離，通過路段，交叉口時，受周邊車輛不同影響，開始執行不同的運行策略。

9.智慧高速管控決策仿真

智慧高速旨在實現對高速公路交通流運行的全路段感知、全過程管控以及全天候通行，從而使得路網運行更安全高效、公眾出行更舒適便捷、交通管理更科學智能、道路經濟更加綠色環保。實現管控策略方案優選需要對智慧高速管控決策進行仿真，包括事故后的可變限速與臨時路肩開放。

在管控決策仿真模塊中，TESS NG二次開發接口可以基于路段設置車道級的限行規則與限速規則。對于車道限行，車輛在進入限行區域后，會立即換道至臨近車道；對于車道限速，車輛在進入限速區域后，會將速度降至最高限速以下。根據用戶對管控時間、管控位置與管控方案的設置，可以實現高速公路的個性化管控仿真。仿真場景實現如下：

系統的管控實現邏輯具體如下所示：

10.重復自啟動仿真

強化學習常用于描述和解決智能體（agent）在與環境的交互過程中通過學習策略以達成回報最大化或實現特定目標的問題。TESS NG提供快速自動循環仿真的方法，用戶可通過自定義目標、條件、以及訓練次數來控制TESS NG不斷調整仿真參數使得結果不斷向目標靠攏，以滿足用戶對于特定場景下的參數標定和強化學習等需求。同時在單次仿真結束后將保留本次仿真時所采用的仿真參數以及對應的結果，所有仿真數據將在自動循環結束后統一反饋至用戶。系統重復仿真的效果如下。

上述案例的執行源代碼均可在軟件安裝包中查看。后續濟達交通團隊將持續發布基于TESS NG的二次開發案例，豐富應用場景，并支持更多種二次開發語言，若在開發過程中有相關問題，也可以加入用戶群與團隊交流溝通。