第一章：课程导论与基础环境搭建
大家好，欢迎来到这门实战课。我是你们的老朋友，一个在自动驾驶仿真领域摸爬滚打了好几年的工程师。
今天咱们聊点实在的——CARLA与SUMO联合仿真。说实话，我第一次接触这个组合的时候，心里也犯嘀咕：一个搞高保真视觉的，一个搞交通流的，这俩能玩到一块去？后来真做起来才发现，这简直是天作之合。
1.1 为什么需要联合仿真？
先说说背景。你想想看，自动驾驶测试最头疼的是什么？是场景不够丰富，还是成本太高？其实都有。
纯CARLA仿真，场景逼真，但交通流逻辑简单。你让100辆车在路口乱窜，它可能就卡死了。纯SUMO仿真呢？交通流模型一流，但画面嘛……嗯，你懂的，跟看电路图似的。
联合仿真就是把两者的优势结合起来：CARLA负责“看”，SUMO负责“想”。CARLA渲染出逼真的城市环境，SUMO在后台控制每辆车的行驶逻辑。这样你测试的算法，既能看到红绿灯，又能遇到真实的拥堵和加塞。
核心价值：用更低的成本，跑出更接近真实世界的测试场景。我在项目里遇到过，单靠CARLA自带的交通管理器，死活复现不出早晚高峰的拥堵模式。后来接上SUMO，十分钟就搞定了。
1.2 应用场景一览
联合仿真能做什么？我简单列几个，你感受一下：
- 交通流压力测试：在密集车流中测试你的规划算法会不会“死机”。
- V2X场景模拟：模拟多车协同，比如编队行驶、交叉口协作。
- 边缘场景复现：把真实路测中遇到的“鬼探头”、“加塞”搬到仿真里反复测试。
- 算法闭环验证：从感知到决策，再到控制，全链路跑通。
说白了，这套组合拳打好了，你的算法在路测前就能暴露80%的问题。我个人习惯是，新算法先跑1000小时联合仿真，再上实车。效果嘛，谁用谁知道。
1.3 环境搭建：Ubuntu系统配置
好，理论说完了，咱们动手。环境搭建是第一步，也是坑最多的一步。我建议你直接用Ubuntu 20.04，别问为什么，问就是兼容性最好。18.04也行，但有些依赖要手动折腾。
避坑指南：我曾经在Ubuntu 22.04上折腾了三天，结果CARLA的某个旧版本死活编译不过。后来老老实实换回20.04，半小时搞定。所以，别跟版本过不去。
系统安装我就不啰嗦了，重点说几个关键配置：
- 显卡驱动：NVIDIA用户建议装470或525版本。用
nvidia-smi检查一下。 - CUDA与cuDNN：CARLA 0.9.13以上版本对CUDA要求不高，但建议装11.6以上。
- 系统依赖：运行以下命令安装基础包：
sudo apt-get update
sudo apt-get install -y build-essential cmake git python3-dev
sudo apt-get install -y libpng-dev libjpeg-dev libtiff-dev
sudo apt-get install -y libboost-all-dev libeigen3-dev嗯，这里要注意，libboost-all-dev这个包比较大，网速慢的话可以只装需要的子模块。但我建议一步到位，省得后面缺依赖报错。
1.4 Python环境与依赖安装
Python环境我推荐用Anaconda管理。为什么？因为隔离性好，项目之间不打架。我见过太多人因为pip乱装包，最后系统Python环境崩了。
创建虚拟环境：
conda create -n carla_sumo python=3.8
conda activate carla_sumo然后安装核心依赖：
pip install numpy scipy matplotlib
pip install opencv-python pillow
pip install shapely # 这个后面做坐标转换会用到
pip install networkx # SUMO路网处理个人经验：shapely这个库，我第一次用的时候没注意版本，结果坐标转换一直报错。后来发现是1.8.0版本有个bug，降到1.7.1就正常了。所以，遇到奇怪的问题，先看看版本对不对。
接下来是CARLA和SUMO的Python接口：
- CARLA客户端：在CARLA安装目录的
PythonAPI/carla/dist/下找到carla-0.9.13-py3.8-linux-x86_64.egg，用pip安装：pip install carla-0.9.13-py3.8-linux-x86_64.egg - SUMO接口：安装
traci库：pip install traci。注意，SUMO本身需要单独安装，Python接口只是通信桥梁。
最后验证一下环境：
python -c "import carla; print('CARLA version:', carla.__version__)"
python -c "import traci; print('TraCI imported successfully')"如果没报错，恭喜你，基础环境搭好了。如果报错，别慌，八成是路径问题。检查一下PYTHONPATH环境变量有没有指向CARLA的PythonAPI目录。
1.5 本章小结
这一章我们聊了联合仿真的价值、应用场景，也亲手搭好了环境。说实话，环境搭建是最枯燥的部分，但也是最重要的。我见过太多人卡在这一步就放弃了，挺可惜的。
下一章，我们会真正启动CARLA和SUMO，让它们“对话”起来。到时候你会发现，前面所有的折腾都是值得的。
嗯，今天就到这儿。有问题随时交流，咱们下章见。