AI路口信号配时实验：多源感知与相位差协同

智慧城市实验室近期在一段含三个连续信号路口的主干道上，完成了AI配时调优的第一阶段实验。与单纯延长绿灯的规则式做法不同，我们先用路口视频、毫米波雷达与网联车轨迹三类数据融合估计各流向的到达率与饱和流率，再以滚动时域方式更新周期时长、绿信比与干线相位差。算法只输出建议值，实际执行仍由既有信号机完成，便于随时回退。

要点：1）平峰时段干线平均行程时间下降约8%，平均停车次数减少约15%；2）高峰时段受路口溢出与行人过街影响，收益不稳定，个别时段排队长度反而上升，说明需求估计误差在过饱和状态下会被明显放大。

下一步计划：加入公交优先与行人最小绿约束，把实验扩展到八个路口，并补充单源数据中断时的降级策略，确保可以退回固定配时。我们不追求短期全城覆盖，先验证“估计—下发—回收”这条闭环在真实路网中的稳定性。