智慧城市实验室近期在一项路口信号配时的实验性探索中，尝试用 AI 替代传统的固定配时与人工经验调参。
做法并不复杂：以路口检测器、浮动车轨迹和公交 GPS 为输入，先做短时交通流预测（15 分钟粒度），再在相位约束下求解配时方案。相位顺序与最小绿、最大绿仍由交管规则硬约束，模型只负责在可行域内调整各相位时长与周期，避免出现不可执行的方案。为避免单点最优拖累干线，我们把相邻路口划成协调子区，以绿波带宽作为联合目标之一，而不是各自独立优化。
阶段性结果：在某城区 46 个路口的试点中，早晚高峰干线车辆平均停车次数下降约 18%，行程车速提升约 6%~9%；平峰时段收益明显收窄，说明模型在低饱和场景下的边际价值有限，我们已对这部分路口回退为感应控制。
下一步计划两点：一是接入公交与应急车辆的优先请求，把单目标延误最小改为多目标权衡，明确优先的触发条件与补偿策略；二是把离线训练改为每日增量更新，防止出行结构变化后配时方案逐渐失效。
本文所述均为实验阶段数据，尚未形成可复制的通用结论。
评论