AI信号配时优化：排队长度估计与绿信比调整

智慧城市实验室本季度围绕路口信号配时做了一组小范围实验。方案不改动既有信号机逻辑，只在路侧边缘计算单元上接入视频检测器与毫米波雷达的在线数据，按信号周期估计各进口道的排队长度与到达率，再由轻量模型给出下一周期的绿信比微调建议，经信号机原有接口下发。

调整策略刻意保守：单周期相位绿灯变化不超过4秒，连续三个周期指标恶化即自动回滚，需人工确认后才继续尝试。

阶段性进展：

• 在4个平峰时段的示范路口，车均延误较固定配时下降约10%~14%，主干道方向排队长度下降约8%；模型单周期推理耗时在200毫秒以内，可嵌入现有控制机柜。
• 早高峰效果不稳定。有一次因上游路口溢出，拥堵被转移到下游，形成二次排队，说明单点优化存在边界。

下一步计划：将相邻3~5个路口纳入区域协调，把行人最小绿灯、公交优先作为硬约束而非事后补偿；同时针对雨天、上下学等特殊时段单独标定参数，避免一套模型覆盖全部场景。