在智慧城市实验室近期的实验中，我们把注意力放在一个被做得很久、但仍有优化空间的问题上：单点路口的信号配时如何随流量波动自适应。传统方案多依赖历史平均流量与固定配时表，早晚高峰之外容易出现空放与排队不均。
本阶段我们采用轻量化强化学习代理，以线圈与视频车检器输出的分车道流量、排队长度为状态，以各相位绿信比为动作，在仿真环境中先完成策略预训练；上线后通过影子模式与现有配时并行运行，仅在决策置信度达标时下发。初步测试选取 6 个相邻路口，平峰时段平均车均延误下降约 12%，干线协调方向绿波带宽保持稳定的前提下，支路排队溢出次数减少。
要点：
- 进展：已完成状态编码与相位动作空间定义，支持 4 相位与 8 相位路口配置，影子模式累计运行约 3 周无异常下发。
- 下一步：接入区域协调层，验证在饱和流与突发拥堵下的策略切换边界，并补充雨天、夜间低流量场景的样本。
我们更关心的是可解释与可回退：每次下发都保留触发依据，异常时自动退回原配时表。
评论