解码AI信控的“参谋”身份
//
近年来，随着大数据、计算机视觉及大模型技术的快速演进，人工智能在交通信号控制（以下简称AI信控）领域的探索持续升温，推动信号系统深度变革，为提升路网运行效率与整体韧性注入了强劲动能。然而，褪去产业界的高预期光环，AI信控在真实的交通管理实践中表现究竟如何？面对复杂多变的治理场景，它的下一站又将驶向何方？针对以上行业焦点，本刊记者专访了北方工业大学道路交通智能控制北京市重点实验室研究员张福生。
问
本刊记者
——
目前，AI信控的发展处在什么阶段？与传统交通信号控制方式相比，带来了哪些新的变化？
答
张福生
——
从技术演进的纵向历史来看，人工智能在交通信号控制领域的应用，并非随着近期大模型的爆发才横空出世，而是有着一定的技术积淀。在过去较长一段时间内，交通行业普遍存在一种技术应用惯性，即每当新的信息技术（如5G、大数据等）取得突破时，业界往往率先探索其在交通信号控制领域的落地可行性。其中，最典型的应用场景便是交通检测。历经迭代，目前AI信控在该场景的落地已相对成熟。较之传统信控模式，AI信控带来的变革是根本性的，它让信号系统长出了“眼睛”，并具备了预见能力。
在感知领域，从“单一断面的低维感知”跨越到“全息多维的深度感知”。在传统模式下，交通感知高度依赖环形线圈、地磁等物理检测器，存在显著的局限性：感知数据类型单一，往往只能判断“定点存在”状态，且检测范围窄，仅能捕获设备布设断面的瞬时数据，缺乏时间连贯性与空间延展性。而以智能视频分析为代表的技术引入，打破了这一瓶颈。如今的感知系统不仅能精准识别机动车、非机动车、行人，还能细化到车辆的具体属性如车牌号码、外观特征，以及车辆排队长度、车流密度等多维度数据。这种数据属性的海量扩容，为后续的控制算法提供了高质量的输入基础。
在控制领域，从“被动滞后的响应型控制”升级为“主动超前的预测型控制”。传统的交通信号系统底层逻辑普遍是“响应型”的，即基于过去一段时间的数据，或者等“车来了之后”再进行计算，该模式存在天然的滞后性，是以被动方式控制未来交通需求。AI的介入改变了这一现状。凭借强大的数据处理能力，信号系统能够根据丰富的前端感知数据和上下游路段的关联性，提前预测交通流的动态变化趋势，为交通信号的早期干预和宏观调控赢得宝贵的时间窗口。
问
本刊记者
——
AI信控从模型理论到真正落地发挥实效，存在哪些障碍？
答
张福生
——
尽管AI信控在感知和控制领域展现出巨大潜力，但从模型理论走向实际工程落地，尤其是长时间实时在线运行时，仍存在一定隐患，其背后并非简单的算法或算力问题，而是深层次的系统性矛盾。
首先是一致性问题，基于大模型的信控系统存在一个致命缺陷：对于相同的输入数据，多次运算可能会输出完全不同的控制方案。尽管此类随机性在自然语言交互场景中尚属可容忍范畴，但在对精确性与可靠性要求严苛的交通管控领域，将引发不可接受的系统性风险。这就导致AI生成的方案必须经过人工复核后才能执行，尚不满足自动化运行的基本条件。
其次是系统响应的时间不确定。大模型处理数据的时间存在不可控的波动性，可能一毫秒出结果，也可能十几秒毫无反应。正是因为这个原因，实时性要求高的工业控制系统里面很少用到大模型，更多还是传统的基于流程或基于逻辑来做控制。面对复杂多变的道路交通状况，信号控制需要基于实时感知数据进行动态调整、瞬时联动。从本质上讲，交通控制也是一个实时的工业控制系统，而且涉及广大交通参与者生命财产安全，大模型的响应迟滞在信号控制中意味着失控的风险。
最后，“黑盒”特性导致结果具有不可解释性。传统的人工信号配时建立在严密的因果逻辑之上，其决策过程具备高透明度与可回溯性。而AI信控的底层逻辑依赖于数据特征的相关性匹配，属于典型的“黑盒”处理模式，缺乏因果推断能力，一旦导致拥堵或事故，其决策逻辑的隐蔽性将导致管理者陷入“无法自证其理”的被动局面，一定程度上限制了实战应用空间。
问
本刊记者
——
您如何看待AI信控未来的发展路径？
答
张福生
——
对于AI信控未来的发展前景，我认为应当坚定信心，但也要保持理性预期。AI信控不应局限于计算红绿灯周期，而是要能理解空间，理解交通流的运行特征，进而实现时间分配与空间规划，满足交通治理需求。如果信号系统的输入依然停留在传统的流量、速度、占有率上，传统信控算法足以胜任。未来的AI信控必须具备处理多模态数据的能力，能够“看懂”照片、“接入”视频流，甚至将气象信息、网络舆情、驾驶习惯等非结构化的数据作为优化输入的资源。
目前，基于大语言模型的信号系统由于缺乏对物理空间和运动规律的理解，在交通控制中存在较大局限。相信随着人工智能世界模型、物理模型的逐渐成熟，甚至理解社会运行的模型出现，交通控制会迎来真正的质变。也许在未来的某个时刻，只需向系统输入一段无人机航拍视频或路口图纸，就能得到包含标线改造、隐患治理、信号配置在内的完整综合解决方案。
当然，我们也必须清醒地认识到，无论AI如何强大，道路通行能力的上限受物理因素影响，不可能被无限提高。而且，路上的交通参与者不是千篇一律的标准件，不同人群、不同时段的交通诉求千差万别，交通控制的目标也必然多种多样。因此，绝不能试图让AI替管理者做决策。现阶段AI信控的定位应该是辅助工具和决策参谋，而“采取哪种策略、达成什么目标”这类涉及社会治理和人本关怀的最终决策权，必须且只能牢牢掌握在管理者的手中。
本文刊发于《道路交通管理》杂志2026年第4期
审核：李秀菊 / 李佳芯
编辑：潘乃瑞