基于多智能体大语言模型编排的智能交通管理与应急走廊优先通行系统TrafficGen

《Frontiers in Artificial Intelligence》:TRAFFICGEN: a multi-agent LLM orchestration for smart mobility and emergency corridor pre-emption

【字体: 大 中 小 】 时间:2026年09月18日 来源:Frontiers in Artificial Intelligence 6.7

编辑推荐:

  专业术语翻译论文摘要 本项研究工作介绍了TrafficGen,一个探索利用基于大语言模型(LLM)的智能体编排实现自适应交通信号管理可能性的概念验证软件原型。该框架在单交叉口、确定性仿真环境中进行评估,该环境使用文本表示各类交叉口,并可结合Gemini 2.5

  
专业术语翻译论文摘要 本项研究工作介绍了TrafficGen,一个探索利用基于大语言模型(LLM)的智能体编排实现自适应交通信号管理可能性的概念验证软件原型。该框架在单交叉口、确定性仿真环境中进行评估,该环境使用文本表示各类交叉口,并可结合Gemini 2.5 Flash和LangGraph实现“智能体委员会”(Council of Agents)控制架构。TrafficGen使用语义翻译层为每次信号决策生成人类可读的思维链(chain-of-thought)推理日志,使其能够管理复杂交通模式。在经验性随机评估中,研究人员使用四种自定义压力场景和30次独立运行对TrafficGen进行了测试,在所有场景和运行中,等待负担评分(Wait Burden Score)平均降低46.9%±2.8%(与标准固定时间信号控制器相比,每次运行从6,370分降至3,380分)。此外,绿色走廊(Green Corridor)在动态应急车辆优先通行方面保持了100%的成功率。在架构层面,该系统实现了100%决策覆盖延迟1,556毫秒,并在生命安全评估中实现了100%的绿色走廊成功率。定量结果表明,与其他具有启发式规则的LLM控制器相比,零样本语义LLM编排具有有效性。这些结果来自受控的单交叉口环境,在市政层面普遍部署交通管理时可能无法保证类似的性能,但TrafficGen为交通管理超越黑箱数值范式、迈向可解释决策铺平了道路。最后,本文是迈向智能城市出行自适应交通管理的初步步骤。

论文解读文章

一、研究背景与问题

随着全球城市化进程的快速推进,现代交通系统正面临前所未有的压力。到2026年,智慧城市概念已从理论模型演变为数据丰富的现实,数十亿物联网传感器、网联车辆(CVs)和智能基础设施产生了海量高速数据流。然而,如何将这些大数据流转化为动态、安全且有效的出行管理,成为亟待解决的核心问题。
传统交通管理面临多重瓶颈。第一,可扩展性悖论:传统交通模型在孤立交叉口表现良好,但无法扩展到数百个交互节点的网络,协调智能体(车辆和信号)的计算复杂度随智能体数量呈指数增长。第二,行为不可预测性:交通不仅是金属流,更是人类选择的流动,行人可能乱穿马路,驾驶员可能做出不可预测的操作,经典数学模型难以捕捉这些长尾边缘情况。第三,环境与经济泄漏:拥堵是城市碳排放的主要来源之一,信号配时不当导致过度怠速,低效路线规划造成高燃油消耗,每年因交通延误损失数十亿美元的生产力。第四,基础设施刚性:物理基础设施固定且改造成本高昂,因此“智能”应集中于软件层——管理系统——通过自适应逻辑优化现有物理资产的效用。
现有交通管理系统主要分为三类,各有局限。基于规则的信号控制(如SCATS、SCOOT)依赖感应线圈传感器,可靠但反应式,无法预测交通涌入,也缺乏在不同交通方式间进行复杂权衡的能力。微观仿真工具作为闭环系统运行,能利用历史数据预测潜在结果,但难以实时整合行为变化。早期AI和单智能体强化学习(RL)系统存在单点故障,需要大量集中计算资源,且缺乏生成能力,面对独特现实异常时脆弱。
此外,传统多智能体强化学习(MARL)架构存在根本性问题——语义空洞(semantic void)。标准MARL算法无法理解物理环境,交通仅被观测为标量数字矩阵,因此无法在语义上区分标准高密度通勤队列与紧急情况下的关键车辆堵塞,即使两者具有相同的标量密度值。这种抽象差距使得传统MARL系统难以考虑领域特定上下文或以人类可读方式解释推理过程。

二、研究内容与核心结论

针对上述问题,研究人员提出了TrafficGen系统,这是一个概念验证软件原型,探索利用基于LLM的智能体编排实现自适应交通信号管理。该系统在单交叉口、确定性仿真环境中评估,使用文本表示交叉口,结合Gemini 2.5 Flash和LangGraph实现“智能体委员会”控制架构。
TrafficGen采用语义翻译层将离散交通状态参数转换为结构化提示上下文和思维链日志,实现自然语言推理。系统架构分为四个层级:感知层收集物理传感器数据并以JSON格式传输;语义翻译层将数值数据转换为自然语言提示;状态图编排引擎使用LangGraph有向图框架配合Gemini 2.5 Flash LLM实现多智能体决策;执行与安全层将LLM文本输出映射为可执行Python函数,并包含故障安全机制和边界限制器。
在经验性随机评估中,研究人员使用四种自定义压力场景和30次独立运行进行测试,采用泊松到达过程模拟真实交通变化。结果表明,TrafficGen在所有场景和运行中实现了等待负担评分(WBS)平均降低46.9%±2.8%(从每次运行6,370分降至3,380分),绿色走廊在动态应急车辆优先通行方面保持100%成功率,决策覆盖延迟为1,556毫秒。

三、关键技术方法

研究人员主要采用了以下关键技术方法:一是基于LangGraph的状态图编排框架,实现多智能体决策逻辑的有向无环图(DAG)架构;二是语义翻译层,通过阈值映射和标志注入将数值遥测数据转换为自然语言上下文提示;三是“智能体委员会”控制架构,包括监督智能体(SupervisorAgent)进行快速分类分流、交叉口智能体(IntersectionAgent)进行标准负载均衡和饥饿预防、应急车辆智能体(EmergencyVehicleAgent)进行优先级覆盖;四是可解释AI日志子系统,捕获思维链推理过程并生成结构化审计日志;五是执行与安全覆盖子系统,包含工具绑定验证、硬限制和看门狗定时器;六是应急误报子程序,通过15秒验证窗口和二次空间验证减少虚假优先信号。

四、研究结果

系统架构评估。 研究通过四层架构设计验证了系统的可行性。感知层成功将物理传感器数据标准化为JSON负载;语义翻译层将定量信息转化为定性上下文(如“重度拥堵”“巨大等待时间”);状态图编排引擎实现了监督、交叉口和应急三种智能体的分工协作;执行与安全层通过硬编码边界限制和看门狗定时器确保了系统安全。
压力场景测试。 研究人员设计了四种确定性压力场景进行基准测试。场景A模拟标准高峰时段高流量不平衡;场景B测试极端饥饿边缘情况,一条车道仅有2辆车但等待时间异常高达400秒;场景C测试单一应急走廊;场景D测试冲突双应急情况,两条车道同时检测到应急车辆,需要AI基于子变量(等待时间和队列长度)判断哪个应急更关键。
随机仿真评估。 将四种场景从静态单次测试过渡为随机仿真配置,使用泊松到达过程建模车辆到达。场景A为平衡基线流,四个方向对称流量;场景B为非平衡方向性涌流,主走廊高峰高流量、交叉街道低流量;场景C为严重车道饥饿,一条车道持续高流量而其他车道不规则到达;场景D为动态应急走廊优先通行,在随机时间和位置引入低频高优先级应急车辆。每个场景重复30次,使用唯一随机种子确保统计显著性。
性能指标对比。 研究人员定义了等待负担评分(WBS)作为综合指标,计算所有车道队列长度与最大等待时间乘积之和。与传统线性队列指标或平均延误不同,WBS严重惩罚长时间等待,更重视公平性和饥饿预防。系统与固定时间轮询基线和贪婪规则基线(最大WBS控制器)进行比较,结果表明零样本语义LLM编排优于纯数学局部贪婪启发式方法。
应急优先与安全评估。 系统在动态应急车辆优先通行方面实现了100%的绿色走廊成功率。应急车辆智能体检测到应急标志后,立即使用覆盖信号工具建立绿色走廊。同时,系统包含误报验证子程序,在15秒验证窗口内通过相机计算机视觉或V2X空间遥测进行二次确认,若无法确认则终止优先通行并记录误报事件。

五、讨论与结论

研究结果表明,TrafficGen通过将连续物理问题转化为离散语义逻辑谜题,成功规避了传统MARL的“维度灾难”。系统采用轻量级LLM,可利用现有感应线圈和摄像头基础设施,传输最小文本数据负载到云API或本地边缘TPU,显著降低资本支出。经济可行性方面,46.9%的等待负担降低有助于缓解城市拥堵,间接减少数百万美元的经济生产力损失、燃料消耗和CO2排放。运营可行性方面,智能体以自然语言“思考”,自动生成人类可读的审计日志,满足法律审计条件,促进公众信任。
可行性风险评估显示,技术领域主要风险为LLM幻觉,通过硬编码规则覆盖和严格工具使用类型缓解;经济领域主要风险为API令牌成本,通过向边缘AI量化过渡实现本地免费推理解决;运营领域主要风险为公众/法律信任,通过全面的自然语言XAI日志记录解决。所有评估领域均获得“高”或“非常高”的可行性评分。
研究结论指出,定量结果证明了零-shot语义LLM编排相对于其他具有启发式规则的LLM控制器的有效性。这些结果来自受控单交叉口环境,在市政层面普遍部署交通管理时可能无法保证类似性能,但TrafficGen为交通管理超越黑箱数值范式、迈向可解释决策铺平了道路。该系统通过将传统MARL的不透明和重计算替换为轻量级、透明且语言推理的“智能体委员会”,填补了文献空白。该研究是迈向智能城市出行自适应交通管理的初步步骤,为未来多交叉口协调、边缘部署和多模态感知的扩展奠定了基础。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号