北京红绿灯变聪明了：AI信控系统让车速提升21%
最近，不少北京市民发现，城市道路的红绿灯变聪明了：交叉方向无车时，红灯不再死板地亮着，绿灯来得更及时了；在某些路段，开车甚至能一连通过好几个绿灯。这不是错觉，而是北京正在试点的”AI信控系统”在悄然发挥作用。据北京晚报10月17日报道，试点路口整体车速提升了约21%，拥堵指数下降了约19%。从”车看灯”到”灯看车”，这套系统究竟是如何实现的？
事件详情：让信号灯学会”思考”三步走
据北京晚报10月17日的报道（视频来源北京交通广播），一名交管民警以第一人称视角，拆解了”AI智能信控系统”的工作逻辑。整套系统可以概括为”感知—推演—调度”三步：
第一步：感知——多维数据源为决策提供依据
系统通过丰富的数据源完成”感知”：路口的摄像头能提供放行情况，雷达等精细化感知设备能捕捉车辆的车头实时距离，导航数据则能反映区域宏观拥堵情况。
第二步：多模态大模型做”大脑”，全局推演控制策略
系统以多模态大模型为”大脑”，深度融合多维数据与专业知识，完成宏观控制策略的全局推演：路段处于早高峰还是平峰？是常态拥堵还是事故引起的偶发拥堵？哪些路口适合布设”绿波带”让车流连续通行，哪些路口适合单点自适应？智能体会先对区域内所有路口做全局扫描，给每个路口、每个时段的放行策略打好基础。
第三步：”大模型+小模型”结合，实时生成配时方案
在此基础上，智能体采用”大模型+小模型”结合的方式，实时生成配时方案，进行微观调度执行：
- 早高峰时，系统会自动调用高峰方案，优先保障主干道通行，并提前调整上游路口绿灯时长，防止车流倒灌溢出；
- 平峰期，智能体会自主调用动态绿波、DQN模型（一种结合深度学习与强化学习的算法）、自适应等多种算法，应对各种通行需求；
- 夜间低峰时，系统则切换为感应控制——哪个方向有车，就给哪个方向亮绿灯；
- 系统还具备学习能力，可以不断迭代，让红绿灯越来越聪明。
安全底线：AI的权力被严格”关进笼子”
让红绿灯更智慧的同时，安全是底线。报道明确指出，系统并非”放权”给AI：AI只能修改临时方案和进行有限的控制模式调整，不能改动底层的固定配时方案；而且所有AI生成的方案都必须经过合规性检查，从方案的变化幅度到绿灯最大最小时长等参数，都有硬性约束。
系统的”多源感知”能力也为可靠性兜底。传统模式依赖单一数据源，对前端设备的完备性和数据精度要求极高，往往缺一个设备、差一帧数据，整个系统精度就会下降。而”AI智能信控系统”的优势在于”跨界融合”能力：它可以充分利用互联网导航数据、路侧感知数据、普通监控视频流等多源数据，”不挑食”，什么数据能用就用什么。在暴雨、逆光等视觉受限的极端天气下，雷达数据等也能作为补充。
落地规模：全市约1.2万个信号灯，7900个已联网
目前北京的试点范围仅在部分区域，但基础已经打下：全市约1.2万个信号灯中，已有7900个实现联网，五环内及城市副中心更是100%联网。
一个值得关注的细节是，这套系统并不依靠”大拆大建”：过去想让一个路口变聪明，得堆砌大量昂贵的设备；现在，通过强大的数据融合能力弥补单点感知的不足，老旧路口无需大规模硬件改造也能接入智能体系，这大大降低了智慧交通的推广门槛。
背景分析：从固定配时到AI信控的三级跳
城市交通信号控制大致经历了三个阶段。最早是固定配时——不管路况如何，绿灯时间固定不动，也就是报道中所说的”死脑筋”信号灯；之后是感应控制与联网联控，信号灯可以根据车流做有限调整；如今则进入AI信控阶段，大模型直接参与全局策略推演与实时调度。
北京这套系统的技术路线颇具代表性：”多模态大模型做宏观推演、小模型做微观调度”的分层架构，既发挥了大模型在融合多维数据、理解复杂场景上的优势，又用小模型保证了实时调度的响应速度和可控性。这种”大模型+小模型”的组合，正在成为AI落地物理世界的通用范式。
影响与展望：红绿灯读懂车轮的那一天
对普通市民而言，最直观的感受是通勤时间缩短：试点路口整体车速提升约21%、拥堵指数下降约19%，意味着同样的路程花更少的时间，路口的空等和急刹也会减少。从城市治理的角度看，AI信控让交通管理从”经验驱动”转向”数据驱动”，信号灯配时不再依赖人工巡查和定期调优，而是可以实时响应、持续迭代。
当然，挑战依然存在：系统如何应对突发交通事故、大型活动散场等极端场景？摄像头与导航数据的采集如何平衡效率与隐私？这些都需要在更大范围的试点中继续验证。
正如报道中那位交管民警所期待的：无论白天黑夜，无论身处哪条街道，红绿灯都能读懂脚步和车轮，城市交通变得更加顺畅自然。从”车看灯”到”灯看车”，北京这场发生在路口的AI实验，或许正是智慧城市落地最生动的注脚。