路口信号配时AI调优实验：多源数据与相位约束

智慧城市实验室近期完成了一组城市路口信号配时 AI 调优的小规模实验。目标不是替代现有信控系统，而是验证数据驱动的配时微调在真实路口的可行边界。

方法上，我们以路口已有的线圈、雷达与视频过车数据为输入，先估计各进口道的排队长度与到达率，再用规则约束加强化学习的方式，生成周期内的绿信比微调建议。规则层负责守住最小绿、行人过街时长、相位互锁等硬约束；学习层只在小范围内寻优，避免出现不可解释的突变配时。

阶段性进展：
· 试点覆盖 3 个相邻路口、6 个高峰时段，早高峰平均停车次数下降约 12%，干线行程时间下降约 7%；平峰段改善不明显，未观察到明显收益。
· 效果对过车数据完整性较为敏感。某路口因视频遮挡导致排队估计偏差，当日配时建议被运维人员人工回退。