驶向全域最优：佳都科技AI信控智能体的技术突破与实践

随着我国城市化进程不断加速，交通拥堵已成为制约城市高质量发展与影响居民出行体验的关键难题。传统交通信号控制系统在面对日益复杂、动态的交通流时，因其强依赖于人工经验、优化效率低下及区域协同能力不足等问题，已难以满足现代城市精细化治理的需求。人工智能技术的突破性发展，为交通管理模式的革新提供了全新路径。

佳都科技“AI信控智能体”通过融合多源数据与领域知识，构建具备预测、决策与优化能力的智能系统，从而推动交通信号控制从被动响应向主动干预、从单点孤立向全局协同的深刻变革，为构建智慧、高效、韧性的城市交通网络提供核心支撑。

01

目前交通信号控制面临的挑战

城市人口数量日渐庞大，机动车保有量与机动车出行量也逐年激增，交通管理现状和需求的矛盾日渐加剧，这10年来人均道路面积增长幅度远落后于城市交通量增长速度，交通问题已逐渐成为制约城市经济发展的“瓶颈”。交通信号控制作为城市交通管理的核心子系统，在交通管控方面发挥关键作用，但面临日益增加的交通管理压力，现有交通信号控制能力仍面临许多挑战：

一是人工经验依赖强。各地交通信号控制优化效果普遍依赖优化人员经验，受限于优化人员专业能力不足、经验参差不齐等问题，优化效果难以保障。路口间交通的时空关系、时段划分、子区划分均以经验为主。互联网、交通流检测器、视频监控的数据仅作为辅助支撑，无法更精准地使用和挖掘数据价值。

二是优化效率低。受限优化人员的精力，有限时间内难以应对不同交通情况的优化任务。面对突发事件时，缺乏对未来交通预测，依赖经验无法做到方案的精细化调整。现有交通信号控制系统优化算法，在路口饱和度不高的情况效果较好，但不适用早晚高峰时段路口近饱和、过饱和交通状态。以上原因导致交通信号优化的整体效率较低。

三是区域协同难。从路口路段最优解到全域最优解的路径仍在探索，传统算法还无法解决。面对区域交通流频繁变化，低频的传统信控优化方案难以适配交通流特征，无法及时缓解区域交通拥堵。

02

佳都AI信控智能体，引入交通信号控制新思路

面对传统信号控制领域长期存在的经验依赖性强、优化效率低、区域协同难等核心痛点，智能体技术展现出显著的范式革新价值，通过构建“数据+知识”的双轮驱动机制，实现了从经验判断向科学决策的跨越。智能体技术不仅是对既有痛点的针对性解决方案，更是推动交通治理从数字化向智能化跃迁的关键技术路径。

治理思路

佳都科技AI信控智能体接入多源异构感知数据，通过时空决策大模型，实现“路口、路段、区域”交通需求演化预测与路网状态推演，依托信控领域专家大模型，实现多目标约束下的路口、路段、区域协同控制策略及方案生成及核验，同时支持个性化控制目标输入，构建“感知-预测-决策-优化”全流程闭环的AI智能体，实现区域信号控制和优化动态统一的智能信控体系。

关键技术

时空决策大模型：

时空决策大模型具备强大的时序数据处理与推理能力。该模型支持任意领域的时序数据推理，可适应多种时间粒度（如15分钟至数月），并具备长上下文处理能力，支持最长2k的输入输出序列。此外，该模型还支持时序异常检测、数据补全。时空决策大模型通过灵活的序列建模与多源信息融合，为城市交通管理等场景提供精准、可解释的时序分析与决策支持。时空决策大模型可覆盖多指标交通指标预测，如路口饱和度、路段平均速度、平均延误等。

信控领域专家大模型：

信控领域专家大模型在支撑信控智能体中发挥着关键作用，通过强大的感知、分析和决策能力，实现交通信号控制与优化。它能够实时监测交通流量数据，提取关键信息用于信号配时优化，智能调整信号灯时长以减少车辆等待时间并提高路口通行效率。在区域交通管理中，模型还能实现多个路口的协同信号控制，统筹优化区域交通运行，从而有效提升智能交通管理的整体效能。

典型应用场景

01 路口信控方案动态优化

信控智能体通过融合多源感知数据与时空决策大模型，赋能路口级精准化管控。智能体预先诊断路口交通瓶颈（如溢出风险、相位失衡），结合历史优化经验、需求推演及信控目标，生成15min颗粒度动态配时方案，实时决策下一相位的最佳切换时机，方案下发后持续监测交通指标，通过"指标预测-策略及方案生成-效果验证"闭环优化机制，实现路口信号配时与交通需求的实时动态匹配，提升路口通行效率。

02 路段协调优化

实时分析路段饱和度失衡、溢出、绿波协调周期不适配等问题，结合路段交通问题、控制策略、实时监测数据，动态生成15min/30min颗粒度的配时优化方案。方案执行后持续追踪路段车均延误时间、排队长度、平均车速、停车次数等指标，通过"指标预测-策略及方案生成-效果验证"闭环优化机制，实现路段级动态协同控制。

03 区域协同控制

结合区域的车流特征、路口关联度等因素进行动态子区划分后，通过多智能体协同及博弈，平衡局部与全局优化目标，生成分级执行方案。针对区域特殊需求，如：支持缓进快出信控策略的智能方案生成，实现高峰期车流“外部截流、内部疏解”的智能管控闭环，监测区域车均延误时间、平均速度、排队长度、饱和度等交通指标，不断反馈驱动智能体迭代更新，实现区域交通协同优化。

应用价值

从“经验驱动”转向“数据+知识”双驱动转型：

通过融合实时交通流量、历史交通规律、配时调控记录、路网拓扑等多维度数据，构建科学化决策体系，突破传统依赖人工经验调参的局限性。将碎片化的交警经验转化为可量化、可复用的数字策略，消除人为能力差异导致的方案波动，同时通过不断积累的优化方案-效果反馈持续迭代智能体，实现信号配时从“主观经验判断”到“数据+知识双驱动”的跨越，显著提升决策客观性与方案适配性，为交通治理提供标准化、可持续的智能支撑。

从“滞后响应”到“主动预防”：

依托时空决策大模型进行长短时交通流预测，提前预判拥堵风险点及演化趋势，并基于信控目标及策略生成预测式配时方案，主动干预潜在拥堵。打破传统“发现问题-人工介入-事后优化”的被动闭环，构建“感知-预测-决策-优化”的主动防控链路，实现信号控制从“治已病”向“治未病”转型。通过分秒级的动态调优能力，有效压缩拥堵形成窗口期，降低突发事件的连锁影响，推动交通管理从“应急响应”升级为“韧性防控”。

从“单点关注”到“全局综合调控”：

通过多智能体协同架构，突破传统单路口或局部子区优化的局限，支持以路网全局通行效率最优为目标，动态平衡主干道优先、区域均衡等多重需求。智能体基于时空决策大模型及信控领域专家大模型，自动协调不同区域信号策略冲突。同时，支持动态划分控制子区，灵活适配早晚高峰、周末或节假日、特殊事件等场景，真正实现“时空资源一体化调度”，释放路网整体承载潜能。

案例成效

2024年7月起，在广州核心区域珠江新城，由广州大道、花城大道、黄埔大道、华夏路组成的区域，共16个路口进行信控智能体联创，基于AI信控智能体对交通流预测、方案优化、策略决策，实现区域信控优化，效果显著。16个联创路口区域位置如图1所示。

广州核心区域珠江新城16个联创路口区域位置图

选取交通信号优化难度最高的晚高峰时段，通过第三方互联网地图数据评价优化效果。截止到2025年4月，华夏路口、花城大道路段、天河中学区域的溢出缓解、车均延误时间平均降低约 3%，车辆通行数量平均增加约5%。通过优化前后评价指标对比数据，充分说明了AI信控智能体优化成效显著。

实践证明，AI信控智能体通过“数据+知识”双轮驱动，成功实现了交通信号控制从“经验治理”到“科学治理”的范式转变。其在广州核心区的落地应用，显著提升了路口、路段及区域的通行效率，各项关键指标的优化充分验证了该技术的有效性与实用性。

展望未来，随着时空决策与领域专家大模型能力的持续进化，AI信控智能体将在全路网动态协同、特殊场景自适应等方面展现出更大潜力。这一技术路径的推广，不仅是交通管理模式的升级，更是推动城市交通系统走向智能化、一体化的关键一步，为未来智慧城市的建设奠定了坚实的基础。