技术特点
双轮驱动机制：构建“数据 + 知识”双轮驱动机制，实现从依赖经验判断到科学决策的转变。
全流程闭环：构建“预测 - 决策 - 优化”全流程闭环的 AI 智能体，形成区域信号控制与优化动态统一的智能信控体系。
多源数据整合：支持接入多种检测设备（物理线圈、雷视一体机、电警等）的感知数据，结合历史交通运行数据进行分析。
多模型协同：依托佳都时空决策大模型和交通信号控制领域的专家大模型开展工作，同时基于佳都大语言模型实现相关功能。
个性化支持：支持个性化控制目标的输入，以及基于个性化控制需求快速生成区域最优方案。
智能体引擎管理：支持智能体引擎的管理，涵盖信控智能体任务的编排、管理、智能优化、评价、统计分析及对外服务等能力。
技术亮点
范式革新：针对传统信号控制领域高度依赖经验、优化效率低下、区域协同困难三大核心问题，展现显著的范式革新价值，是推动交通治理从数字化向智能化转型的关键技术路径。
精准预测与优化：通过整合多样化感知数据和时空决策大模型，预测“路口、路段、区域”内的交通需求变化，模拟路网运行状态，并制定和验证多目标约束条件下的协同控制策略及方案。
自动化智能化：实现不同场景下业务工作流程的智能化和自动化，提供全域、全时、全量的信控方案决策能力。
问题自动处理：基于佳都大语言模型对多种数据进行预训练，实现信号控制问题的自动甄别、策略比选、方案生成及仿真、方案评价及审核下发。
创新技术
1. 时序基座 TransCoreTS_PT_V1.5
通用时序推理：适用于任意领域任意维度时序数据，实现零样本推理，自适应任意时间粒度的时序数据分析和推理。
长上下文推理：模型输入和输出序列均支持 2k 以内的任意长度。
外部协变量提示增强：支持引入与时间戳相关的协变量，增强输入数据信息丰富程度，提升模型预测性能。
多任务能力：支持时序预测、时序数据补全和时序异常检测等多任务场景。
2. 大语言模型 TransGPT - V2.5
大规模参数：70B 级规模，具有完备的大模型基础能力。
灵活部署：具备私有化部署、垂直领域化训练、A800 单卡部署的能力，且部署效率较高。
1.市场应用情况
2024年7月起，在广州大道、花城大道、黄埔大道、华夏路组成的区域进行信控智能体联创，6个核心路口新建雷视一体机，接入10个外围路口现有的线圈数据，基于信控智能体对交通流预测、区域协同控制策略，实现区域信控优化，效果显著。
1) 路口信控方案精细化场景应用情况（华夏路-华明路路口）
痛点：原有信控系统预设方案粗放，导致该路口存在17：00~17:15 北进口G相位拥堵和18：00~18:30 东进口D相位拥堵的问题。
技术路线：信控领域专家大模型制定基于饱和度均衡的控制策略，时空决策大模型对车流量、饱和度等指标进行预测，生成15min颗粒度的配时方案，适应动态的交通需求。
优化效果：多次测试效果数据均呈现出拥堵相位饱和度降低、最大饱和度差值缩小、路口整体延误大幅下降，测试时段相较于该月未进行优化的同期均值，车均延误最高降低19.64%、路口通过车辆数上升的趋势，策略有效、效果稳定。
2) 路段协调场景应用情况（华穗路华夏路-华夏路黄埔大道西 路段）
痛点：晚高峰17:30~19:00由于黄埔大道限流，原有信控系统设置的路段运行方案华夏路黄埔大道西 A相位车道1、2拥堵排队过长，造成华穗路华夏路环岛溢出，导致华穗路华夏路路口通行效率低的问题。
技术路线：信控领域专家大模型制定基于路段压力均衡的控制策略，时空决策大模型对车流量、饱和度等指标进行预测，生成15min颗粒度的配时方案，缓解溢出。
优化效果：在上游华夏路黄埔大道西路口通行车辆数小幅增长，华穗路华夏路路口的过车数增加情况下，华穗路华夏路环岛通行流畅，饱和度更低且没有出现溢出，临近对比日及多个历史周五存在溢出到环岛排队情况，有效减少溢出。
3) 区域协同场景应用情况（珠江新城区域）
区域现状：晚高峰花城大道东往西方向汇入广州大道困难，导致路段车辆排队溢出至花城大道华穗路、花城大道华夏路路口，阻挡南北向道路通行，造成区域拥堵蔓延。
技术路线：信控领域专家大模型制定基于区域压力均衡的控制策略，通过时空决策大模型，融合线圈及雷视数据，根据上下游饱和度差生成15min颗粒度的配时方案，均衡区域压力。
优化效果：协同区域的拥堵指数明显降低，平均速度明显提升，花城大道华穗路路口饱和度相当、但延误明显下降，路段溢出得到有效缓解，花城大道广州大道、花城大道华穗路、花城大道华夏路路口平均车均延误指数降低12%。
电话：15814823211
邮件：aipcc-gz@grg.net.cn
地址：广东广州市天河区平云路163号
