LCSim: A Large-Scale Controllable Traffic Simulator

随着城市交通的快速发展和自动驾驶技术的不断提升，对于安全高效地测试自动驾驶和交通优化算法的需求日益增长，需要准确建模大规模的城市交通场景。现有的交通仿真系统存在两个显著的限制。首先，它们通常依赖于开源数据集或手工制作的地图，限制了仿真的规模。其次，这些系统中的车辆模型往往要么过于简化，要么缺乏可控性，从而影响仿真的真实性和多样性。本文提出了LCSim，一种大规模可控交通仿真器。LCSim提供地图工具，可以从开源数据集（包括Waymo和Argoverse）或公开可用的数据源（如OpenStreetMap）构建统一的高清地图描述，以扩大仿真场景的规模。此外，我们将基于扩散的交通仿真集成到仿真器中，用于实现逼真可控的微观交通流建模。通过利用这些特性，LCSim提供了逼真多样的虚拟交通环境。代码和演示可在https://github.com/tsinghua-fib-lab/LCSim上获得。

论文旨在解决自动驾驶和交通优化算法测试所需的准确建模大规模城市交通场景的问题。现有的交通仿真系统存在两个主要限制：依赖于开源数据集或手工制作的地图，限制仿真规模；车辆模型要么过于简化，要么缺乏可控性，影响仿真的真实性和多样性。

论文提出了一个大规模可控交通仿真器LCSim。LCSim提供地图工具，从开源数据集（如Waymo和Argoverse）或公共数据源（如OpenStreetMap）构建高清地图描述，以扩大仿真场景规模。此外，将扩散式交通仿真集成到仿真器中，用于实现真实和可控的微观交通流建模。通过利用这些功能，LCSim提供了真实和多样的虚拟交通环境。

论文中提供了代码和演示，可以在https://github.com/tsinghua-fib-lab/LCSim上找到。实验设计包括使用开源数据集进行仿真，展示了仿真器的可扩展性和多样性。这项工作有助于解决自动驾驶和交通优化算法测试所需的准确建模大规模城市交通场景的问题。

在最近的相关研究中，还有其他交通仿真器被提出，如SUMO和MATSim。