航天大为最新产品：基于优路大模型赋能的交通信号控制系统。

编者按：3月6日，在2025年（第九届）交通信号控制发展年会中，江苏航天大为科技股份有限公司研发技术总监王鹏程作了《自适应大模型赋能的大为城市交通信号控制系统》主题报告，期间发布了航天大为最新产品：基于优路大模型赋能的交通信号控制系统。

借助优路大模型的赋能，我们的信号控制系统越来越丰富和智能，不仅在系统层面实现了整体综合性分析和方案生成等功能，而且在信号机端实现了方案和算法的同步下发。在实战过程中，用户对信号系统的功能要求越来越高，系统也在不断接入各类的平台，面向车路云一体化平台，实现了各类安全和效率类的功能。

现在很多城市都有不止一个信号机品牌，统一信控平台就成了实现全域统一控制的前提。统一信控平台推动了联网控制和精细化配时管理，有效减轻了交通管理工作人员压力，提高了道路通行效率，促进了智能信控的发展。我们也在各地落地了统一信控平台作为全域控制的基础。

整个系统跟自动驾驶的体系其实是比较类似的，采用了感知-认知，-预知-决策-执行的整个流程。

2.支持国产操作系统和硬件

近期赛文交通网上也发布了关于信号控制国产化的一些思考，主要是讨论外资信号机国产化。作为国产厂商，我们在这方面具有一定的优势。

2022年，国资委79号文件部署了央企国企信创国产化的具体要求和推进时间计划。政策要求到2027年央企国企100%完成信创替代，替换范围涵盖了芯片、基础软件、操作系统、中间件等多个领域。

在过去的两年里，高速公路、城市交通运输、智能交通管理等领域都围绕“79号文”开展了一些国产化替代工作，我们也顺应浪潮，将相关产品与零部件进行了国产化的升级和替代。

我们的系统全面支持国产操作系统和硬件，从底层内核到上层界面实现了全方面、一致性的交互体验，在兼容性上实现了从终端接入边端，计算到云端应用的完全兼容。

3.功能特色展示

（1）信号机产品全新重构

前面也提到，国内用户对产品拥有很高的需求，“我们用几十年时间走完了发达国家几百年走过的工业化历程”，与城市化建设速度相对应的，交通信号控制水平也要及时跟上发展的步伐。随着时间的不断推移，传统平台上的补丁不计其数，甚至代码都对应不上功能，冗余的代码严重拖累了设备的运行速度和稳定性。

随着车路云一体化进程的推进以及不断更新的协议规范，我们意识到开发一套全新的硬件来承接系统平台日益丰富功能的必要性。我们这套全新的信创信号机采用了国产芯片和国产实时操作系统的架构，分层模块化设计。对车云新国标和1049新国标进行了适配，代码全新重构，精简高效。在功能上我们将灯故障自检报警功能作为全系信号机产品的标配功能，应用了最新的安全芯片，支持IPV6通信和CA认证。全系产品都可以接入到我们的UniRoad优路大模型，实现端侧的不断进化。

（2）多源数据融合的交通流量双维优化方案

维度一：精准流量测量

在数据层面，我们采用了多源数据融合的双维优化方案。一方面，不再依赖单一的车辆检测器，将多模态数据进行了感知融合，并采用动态交叉验证和置信度评估等策略，最终加权融合实践数据检测的长期准确。另一方面，在系统中采用了异构冗余互补机制，实现了自适应的数据补偿。同时，在系统的关键点位引入了激光雷达进行协同检测，大幅提升了检测精度。

维度二：智能流量预测

同时，系统通过AI时空大数据分析实现比较精准的交通流量预测。系统首先获取天气、日期、热点事件、路网以及历史流量等数据，然后进行特征工程处理，将时间、空间、环境和事件等多维特征进行融合交互。在交通流量预测中，利用多头注意力机制（MHA），同时关注不同时间窗口的信息，从而学习到多种潜在的交通模式和流量变化趋势。长短期记忆网络（LSTM）通过获取短期流量波动和历史流量变化，实现短期流量预测。图注意力网络（GAT）能够有效捕捉不同路段之间的流量关联，帮助模型识别出关键的交通瓶颈区域。

通过在算法层面的不断优化，我们实现了即使15%-20%检测器失效，系统还能够维持88%以上的交通流量准确率。

（3）微宏观分析

系统具备系统分析功能，包括拥挤度分析、自适应分析、流量分析和OD分析等。拥挤度分析能够直观地获取区域拥堵排名和不同车速车辆的数量分布。流量分析可以将不同流向、不同路段的流量分布情况以直观的形式展示。自适应分析能够对整片区域自适应运行情况进行实时监控，直接获取饱和度和方案变动的信息。OD分析是区域内主要交通流流向情况的直观体现。以上功能都具备历史回看功能，可以供交通管理者反复调阅和研究。

（4）方案推荐

方案生成推荐功能是系统通过多源数据对交叉口流量特征进行计算分析，提取交通流特征后数据流转到相位序列生成模型中，将各个流向进行排列组合，生成一个比较适合的相位序列。在周期时长模型中对交叉口的周期进行计算，同时结合相邻交叉口和路段信息进行加权调节，最终生成交叉口运行方案。

方案在执行前再汇入冲突矩阵检测模块进行方案校验，检验通过后即可下发到信号机端执行。

（5）自动时段划分

自动时段划分功能通过时段精细划分模型，摆脱了人工经验主导的时段划分方式。基于时序数据采用最优分割法进行初步的时段划分，在试运行后基于时段内的拥堵程度=变化趋势来判断是否对当前的时段进行细化的分割，基于不同时段内的平均车速上升或者下降趋势，再对时段进行微调。OD分析得出的数据可以精准定位车流流向和可能拥堵的路段。

系统还对路口进行了等级划分，根据学校、商圈、景区的规模大小以及周边干道的通行能力高低，加权判断路口的重要程度。

（6）绿波方案生成、推送

在协调控制方面系统具备绿波方案生成功能。系统通过绿波线路研判模型来进行线路规划，根据各交叉口的交通流特征选取部分路口进行协调控制。基于多源融合数据抽取这条协调路径上车辆的平均速度导入到相位差计算模型中，生成相应的周期、相位、阶段和相位差等数据。生成的方案在试运行后平均速度基本都会有所提升。最后，系统还会根据速度变动的情况再对相位差进行微调。

很多道路在建设过程中都安装了提示屏，我们生成的绿波信息也可以在这个屏幕上显示推荐车速，建议车主采纳推荐车速，即可基本实现绿波通行。这些信息也可以通过车联网传递至车内，使绿波通行效果更好。

（7）集群智能控制

我们正不断探索区域控制新方式，现在端侧和边缘侧的算力越来越强，通过下发信号控制算法，可以将信号控制机升级为信号控制智能体。每台信号机都具备一定的思考能力，它可以获取周围交叉口的相关信息，结合自身实际情况，主动调整自己的交叉口参数，去和相邻交叉口进行绿波和红波的控制。同时，几个交叉口也可以组队自行进行协调控制，形成“小团体”的联动，团体间的相互联动制约，点线面结合，形成了整个区域的均衡和协调控制。

（8）系统的故障报警流程

去年，信号灯故障导致一些交通事故发生这一现象在新闻媒体上快速传播，引发了社会各界的关注。信号灯故障检测功能瞬间被交通管理者列为重点关注对象。

航天大为信号控制产品始终具备灯故障检测功能。信号灯检测逻辑比较简单，主要是依靠信号机内的驱动板对信号机电流电压进行检测，主控板分析判断，通过专网上传至平台，再对信息进行分发推送。最终实现工程人员排除故障。

故障报警流程的有效运行重点在于运维团队精细化的处理，前端需要实现一灯一线，如果采用并线安装的方式，就很难发现问题。

经过一系列的故障事件处理，各地运维团队工作水平得到了提升，未来这个功能也将获得大规模普及和应用。在这次产品升级过程中。我们又进一步打磨这项功能，完善了平台和小程序多个应用终端。

（9）智能交通仿真平台

同时，我们还构建了一个联动的仿真平台。在道路建设过程中，除了关注对机动车的检测外，还通过行人灯等设备实现了对行人和非机动车的同步检测。智能交通仿真平台汇聚了获取到的机动车、非机动车和行人数据，可以让管理者以上帝视角去观察某一个交叉口或某一条道路的通行情况。

之前提到的生成的交叉口方案、绿波方案也可以导入到智能交通仿真平台进行试运行，生成评价报告。通过对流量的预测，生成方案落地的预测结果为重点方案的实施提供理论依据。

（10）交通事故绕行诱导

系统在面向控制的同时，还研究了一套联动的诱导系统。典型的场景应用比如：对于一个即将溢出的交叉口，一般溢出控制的操作是在上游截流，在下游疏导。但即使这样，还是很难快速解决问题。所以需要把视野放大，通过OD分析，获取车流的主体交通需求，在保障需求不变的前提下，进一步在上游进行交通诱导，为车流规划一个可行的路径，避免很多车辆堵在一个节点上，让路网均摊这份压力。

对于很多驾驶员来说，稍微绕一点路会比堵在一个点要舒服很多，这种顺畅感也会进一步提升交通出行体验。

接下来我谈谈对车路云一体化和信号控制的一些理解。车联网的初衷是给车“联网”，让车和车之间具备一定的通信功能。在北美推广的过程中，这个压力一般会让车企承担。

车联网在国内兴起的初期，由于国家体制上的优势，发力点更多集中于路侧技术的试点应用，这也进一步推动了智能交通领域的发展。在车路云一体化发展过程中，“感知”被重视起来，这就为实现智能化的信号控制提供了良好的基础。一些传统的控制功能在这个平台上都能够得到更好的应用。但车路云一体化不仅是联网，在这个过程中还叠加了自动驾驶的爆发。

很多人其实直接把车联网跟自动驾驶挂钩，L3级别的乘用车大规模落地，在最近两年也逐渐变为了可能。未来交通出行要从人的感知和控制转变为机器和数字化的控制，这就对我们信号系统提出了一个新的挑战。

未来的系统将不仅仅是对数据的推送，而是面对新型数据、新的工具对整个系统的重构，需要在算法层面进行全方面的革新。

基于当前人工智能的发展和未来趋势，我们正在打磨自己的行业垂类大模型——UniRoad优路大模型。它主要是通过路口基础信息、交通流量数据、交通行为特征、以及约束条件等多源数据融合来构建时空特征向量，并基于各类算法来实现渠化方案设计优化建议、配时方案生成、交通优化专家问答等功能。

其中道路渠化设计建议模块是利用强深度学习算法，基于路口数据、流量规范要求等，自动生成最优的道路渠化建议方案。交通信号配时方案生成模块是利用图神经网络建模路口间的拓扑关系和交通流特性，结合车流量、事故、天气等实时数据实现交通信号配时方案的生成。交通优化专家问答模块是基于DeepSeek大模型，通过信号配时规则、道路设计规范、事故案例库等交通领域知识的注入和多模态数据综合分析，实现语言问答功能。

交通控制强调时空分离，交通信号控制主要是在时间维度上进行划分，物理空间维度调整还是比较依赖人工的分析和判断。

UniRoad优路大模型的初衷就是希望把人从繁重的劳动中解脱出来，目前已经初步实现了在信号配时方面的智能化方案生成。通过模型对专业知识、法律法规内容的学习，以及对多模态数据的识别和处理能力的提升，下一步将实现在道路交通渠化、交通设备安装调整等方面的交通组织优化方案生成，有效减轻当前交通工程师的工作负担，相信在不久的将来，这套模型就可以和大家见面。

航天大为希望未来能够让每一个路口都拥有AI优化专家。