2025年11月19日~22日，2025中国智能交通大会在海口隆重召开。2025年11月22日的道路交通控制与优化论坛上，北京航空航天大学车路一体智能交通全国重点实验室副主任于海洋教授就《智能跃迁下交通控制技术的一隅之说》做主题分享，本文系现场演讲整理而来，未经本人审核，如有错漏，敬请谅解。

于海洋教授：这是一个较为宽泛的题目——“智能跃迁下的交通控制技术”，在这样的宏观主题下，实际上可以涵盖多方面的内容，只要与智能交通相关便可展开探讨。至于为何称之为“一隅之说”，是因为其中可以包含我个人的观点，甚至是一些未能充分论证的畅想，可能并不完全准确，也因此使得这次汇报更具弹性。

01

交通本质

众所周知，交通的本质是位移，交通系统的根本目的在于实现物体或人员在空间中的位移。在这一过程中，人、车、路作为核心要素共同构成了交通系统。其中，人与车因认知差异、信息局限以及行为的有限理性，呈现出个体层面的复杂性。正如我刚才迟到的情况：由于信息不对称，我不知道班车已经停运，加之我个人出发时缺乏理性判断，甚至走错了前往会场的路线。因此，我的基本理解是，交通系统由决策主体与运载实体构成，其内部行为受有限理性支配；而基础设施与交通环境则是在资源与信息有限的条件下形成的。由此我们不难发现这样一种情况：个体有限理性与系统资源约束共同作用，影响了交通整体效能的表现。

我们整个逻辑在于，在有限的信息与资源条件下进行抽象后，可以发现这实质上是一个超大规模系统的组织问题。即在有限资源与信息条件下，如何组织海量具有有限理性的行为个体，使其在物理空间中实现有序流动。基于这一认识，我对交通系统的理解便是如此。

由此谈及控制。我此前也给出了一个定义——由于时间仓促，这个定义是昨晚准备PPT时从百度百科引用的，可能不够精确——即通过控制和管理手段，对交通流进行限制、调节、诱导与分流，以保障安全、畅通和有序运行。

02

系统演进

在此可以发现几个本质性问题：首先需要解析交通流的规律，其次需避免因人为不确定性引发的系统风险，其核心在于安全、效率与公平服务。从思考交通控制为何存在，进而联想到交通信号控制的变迁，自1868年第一盏煤气信号灯出现，到1914年电驱动信号灯问世，随后发展出集中控制、自动信号控制，直至上世纪60年代两个重要系统SCOOT和SCATS诞生，这一思路不断推进。时至今日，我们的交通控制系统若继续向前发展，将会呈现何种形态、模式、策略与方法？

我由此梳理出交通控制技术从机械化、电气化、自动化到网联化的迭代升级过程。面向智能化时代——既然“智能”已成为一个广泛的概念，其内涵极为宏大，从前端的感知到终端的执行，中间包含诸多层级——在这样宏大的范畴下，我们究竟经历了什么？我们进一步追溯发现，交通控制迭代升级的内在动力与人类社会进步的三条主线密切相关，即物质生产、能量利用与信息组织。

1868年的第一个信号灯是机械时代的产物，属于蒸汽机时代。而1914年电驱动信号灯的出现，则是电气时代的产物。进一步向前追溯，我们会发现，真正意义上控制的出现，始于自动化和信息化系统的发展，那个时期也开启了人类智能化的转型。

因此，当我们继续探讨其核心时，会发现走向2020年前后，出现了数字与智能的结合，现在通常称之为“数智”，并视其为元年，其理念是“万物源自比特”。信息物理系统（CPS）出现，物理实体之间逐渐打破分裂的格局，在信息空间中走向融合。如今处于数据升值的年代，正是在这样的逻辑背景下，我们再来探讨交通信号控制。

在此之中存在一个逻辑脉络：从信息组织的视角观察车、路等要素的演进时，我们会发现其背后遵循着这样的进步逻辑。交通几个要素之间的关系，最初阶段并没有标识与管控措施，原因在于当时的交通个体要素——就“人”而言——足够聪明与智能。迄今为止，最智能的交通方式可以说是原始社会的步行，几乎不会发生碰撞，因为人的感知与控制能力清楚自身的极限所在。

然而，随着车辆的出现，无论是马车还是低速汽车，在通过交叉口时无法预判是否会发生碰撞，于是便设立了信号灯以分配交通冲突；当驾驶员不清楚旁边匝道的安全行驶速度而可能侧翻时，便竖立限速杆标明限速40公里/小时。这些措施背后反映的是一种对因果的认知与应对。包括后来在信息标准中出现的诱导措施，其根本原因也在于信息不对称——当人们不知道哪条道路拥堵时，诱导信息便提供了指引。因此，每一次控制方式的革新，实质上都是对人类自身能力局限的一次突破。

在此背景下，交通控制的核心在于对人类能力进行提质升级、突破升级乃至替代。从信息组织的视角审视，交通控制领域涌现了大量重要的创新，例如检测线圈、信号控制机、浮动车数据技术等。其中最具代表性的便是车路协同技术，其本质是通过信息交互与共享来减少人因的影响。然而，令人遗憾的是，迄今为止该项技术仍未实现大规模的商业化落地。究其根本，我的理解在于，仅仅依靠信息交互与共享可能无法彻底解决问题，因而需要进一步升级。尤其是当车辆从驾驶辅助向自主运行演进时，交通控制变得更为复杂。

因此，我们需要在信息交互共享与要素融合的基础上，驱动系统智能实现跃迁。也就是说，在当前的信息物理系统框架下，基于物理空间的虚拟映射与车路要素耦合，去构建出一个全新的智算空间。这个智算空间的形成，使得原有的运载体与基础设施共同催生出一个新的决策主体，并由该系统进行决策，从而实现从人工决策到系统决策的逐步过渡。

这一过程的本质特征在于：个体趋向于自主运行，系统趋向于自治管理。其核心目标是通过替代人力、减少人工干预，使得系统内部的主体关系发生根本性变化。不同主体通过协同配合来支撑系统功能，最终使系统能够更好地适应人的需求。

在数字空间深度融合的进程中，我们提出这样一个持续探索的概念：通过融合车端的智能与路侧的赋能，最终实现控制的智能化。为此，我们需要构建这样的系统，其愿景在于：突破物理形态的限制，实现车路在数字空间中的融合，通过由虚到实、以虚控实的方式，系统层面的认知计算与时空资源分配，从而达成系统在多尺度上的智能控制。

因此，该系统具备以下几方面特征：

首先是一致性的交互，未来可能需要统一交通语义。传统交通标识主要面向人类，而未来将转向面向机器的交通语义。通过车路感知信息在云端构建语义信息空间，实现低延迟的敏捷交互，形成可被理解与执行的语义体系，从而为不同等级智能车辆及要素间的交流提供基础，使其交互无需额外翻译。

第二是数字化的重构，即软件定义交通，实现一切皆可编程。当前系统中存在异构并存、烟囱林立的状况，未来迭代将更为迅速。通过虚拟化方式，在原有层级之上构建新的抽象层，进而重新定义与编程，打破既有数字化交通系统的局限，实现从物理实体到虚拟映射的交互，构建控制的数字化底座，以此解构并重塑整个交通系统的运行逻辑。

第三，传统交通控制以业务为导向，遵循从控制模式、策略、方法到算法的层级模型。这种架构往往导致大量模型研发与实际应用中的小模型并存。我们的愿景是训练一个面向大范围路网交通控制的大模型，实现数据与知识双轮驱动，并与类脑认知计算相融合，从而赋予交通模型近似人类的思考能力。

在具备上述基础的前提下， 第四个特征是群聚化的调控，即面向出行需求，引导基于群智感知的出行信息获取。在这一过程中，人作为智能体，既是感知主体与节点，也可通过群智感知筛选出高质量的感知节点；同时人也是执行体，通过感知、计算与执行的结合实现柔性的适配。

第五个特征则是全时空的博弈，即在全域视角下进行道路资源的分配。其最显著的特点是，传统控制侧重于对车流的管控以避免冲突，而未来将扩展至在全时空范围内进行系统性博弈与优化。

进一步推进的目标是 实现对道路时空资源的主动式、个体化分配。在此过程中，信号灯的角色将转变为面向各类智能体的精确路权或时空分配主导者。通过车路集群形成协同联盟，并经由协商机制实现决策，例如车流可与信号控制进行协同，进而实现运行过程的自主化。由于时间有限，其中涉及的若干时序关系在此不详细展开。

03

探索实践

上述特征对应一系列关键技术，例如软件定义、知识谱系与垂直控制等。围绕这些技术，我们也开展了一些探索与实践。

首先，我们以大模型为核心，构建了“大脑”与“小脑”相结合的控制架构，建立了融合内脑认知决策与持续学习能力的人工智能内核，并开发了全新的数字化入口，通过检测交通参与者来获取交叉口全域的轨迹与特征数据，从而实现要素间的交互融合。为打破不同信号机之间的壁垒，我们研发了信控互操作互通单元，以克服协议差异，并通过信号整合实现跨平台、立体化的控制，为统一信控提供支撑。同时开发了智能路侧计算单元，使其能够承载路侧计算任务；并研制了信号控制优化系统及相关操作单元，实现全域自主优化，通过主动预警与跟踪优化形成问题诊断与优化闭环。

此外，围绕大模型在交通引导中的应用，我们在杭州市滨江区进行了测试。借助大模型的感知与场景理解能力，实现了对路网内异常停车、占道施工、交通事故等事件的感知；利用其深度思考与推理能力，接入全量数据与知识库，提供自然语言问答服务。在接入系统后，结合全路口卡口视频数据，能够实时评价宏观路网运行状态，并对信号控制策略进行迭代优化，还可直接接入仿真平台开展自主仿真验证。

此外，我们围绕靶向信息服务——即之前提到的调控——开展了初步实践，实现了对全路网车辆的高效通行伴随服务。该服务涵盖车路协同设备、终端及车载应用等多端支持，并通过数字底座进行多渠道信息发布，使出行者能实时接收伴随式的出行信息，从而提升出行体验的舒适性与安心感。

我们也进行了一些拓展应用：将服务嵌入普通车辆的APP中，可为用户提供定制化的信息引导；同时，在消防车、警车等特种优先车辆上部署了一体化的绿波通行方案；在智慧公交方面实施优先调度，以提高其分担率与乘客满意度；并为普通车辆提供高峰期诱导、优先通行、快速通行及路径推荐等服务，在保障自身任务完成的同时，尽量减少对其他车辆的影响。例如，通过强化路口数据采集能力，提升信号控制水平的设备支撑。

04

未来展望

未来，除了上述技术探索，今年北京航空航天大学获批了一项自然科学中心项目，题为“自动驾驶交通控制”。许多人询问该项目的研究内容，在此简要汇报其聚焦的三大科学问题：随着自动驾驶车辆逐步融入交通系统，交通环境从原有的开放、耦合，转变为需协调不同等级智能车辆混行的复杂场景；同时，系统在时间维度上涉及快慢变量交织，在车路关系上呈现强耦合的多维特征，车辆行为亦包含完全理性与有限理性并存的多维状态——这三个多维层面的矛盾相互交织。

因此，在自主交通系统设计中，传统以管控流为中心、为控流而设计的架构，需向车路协同架构演进。我们希望在车端实现持续、连续的车辆精准感知与定位，提升车辆自身的感知能力。

此外，我们需要通过对交通流态势特征的把握实现车流可变，并通过人机混驾环境下的全局博弈达成车流可控。这其中涉及若干科学问题。

首先，车辆定位的累积误差会导致交通流态势感知失真。因此，从实际路网映射到计算路网时，车辆位置的精准感知至关重要。传统依赖于惯性导航的局部感知方式存在长尾效应，故而我们致力于实现跨时域、全时的车辆状态感知。

其次是车流可变的建模问题。在颠簸或特殊场景下的建模始终不够精确。这要求我们必须突破传统建模方式，建立能够精准表征交通流的新模型。

再者是车流可控问题，即需同时协调车辆个体与整体流态。在控制车辆层面，个体与群体利益存在矛盾；在调控流态层面，人机混驾带来的主动博弈行为显著。因此，如何在强约束的车辆控制与自适应流控的混合场景中，实现对异构交通流的有效调控，成为关键挑战。

综上所述，我们凝练出三大核心科学问题：跨时全域感知、异构交通流建模以及混合智能控制。我们希望依托实验室平台，在产学研联盟的协作下，围绕这些前沿方向开展探索，力争在相关领域实现由中国引领的创新突破。