城市路口AI配时实验：从固定周期到需求响应

在智慧城市实验室本阶段实验中，我们选取一个片区的12个路口作为试点：用路口视频与地磁线圈数据估计各相位排队长度，再由一套轻量强化学习策略在原有固定配时底线上做小幅调整。为控制风险，AI仅允许在±15%的绿灯时长区间内改动，行人过街与干线协调相位不动，确保策略抖动不会外溢到相邻路口。

截至中期结果：平峰时段车均延误下降约11%，主干道早高峰排队长度缩短约8%；晚高峰表现不稳定，个别路口因左转相位排队估计误差偏大，出现小幅回溢。这提示感知精度对收益的影响大于策略本身。

下一步：把排队估计的不确定性写入策略约束，并在两个相邻片区验证跨路口协调是否仍有增量收益。