分享
收藏
点赞
宏微观一体、算得准、算得快
2026年盛夏，四川凉山，一年一度的火把节如期而至。30万参与者短时集聚于有限的路网空间：到达阶段，车流集中驶入，停车与接驳需求激增；活动阶段，人车交织，异常事件随机发生；散场阶段，人流与车流潮汐式同步释放。交通需求与供给在时间和空间上被双重压缩，任何一个节点的失稳，都可能沿路网级联放大。
这一次，保障方案没有直接上路。在正式实施之前，它们先被搬进一座与真实路网一一对应的“数字镜像”，在虚拟环境中反复推演：哪种封路绕行方案的排队长度最短、消散最快？哪个出入口最先逼近承载极限？散场高峰的车流将沿哪条路径传导？
支撑这场数字推演的，是东南大学复杂交通网络研究中心自主研发的宏微观一体化交通仿真平台——TASP（Transport Agent-Based Simulation Platform）。其中一个值得注意的细节是：这一次，坐在仿真软件前的并不只有工程师。指挥中心里，工作人员用一句话描述需求——“把这条路临时封闭，看看车流会往哪里走”——仿真随即运行，结果即刻呈现。这不只是交互方式的改变，它意味着：仿真软件的用户，正在从人变成AI。
城市交通是典型的复杂巨系统：数万节点、数百万出行者，一个路口的配时调整、一条道路的施工围挡，都可能在路网中引发连锁反应。交通仿真，就是为城市搭建一个可重复、可验证的“虚拟实验场”，让方案在实施之前先接受检验。
长期以来，国内交通仿真市场高度依赖国外软件：采购和接口成本高，模型难以适配我国大城市高密度路网、多模式交通与复杂管控场景，关键技术受制于人，更限制了算法创新与系统集成。
另一个更深层的变化是，仿真的使用主体，正从工程师的界面操作，转向算法与智能体的高频调用；仿真的集成方式，正从项目制的二次开发，转向可被AI即插即用的标准工具链；仿真的交付形态，正从单机桌面软件，转向云端服务。这是一次“换架构”的变革，在旧架构上打补丁难以完成转身。从内核开始自研，正是为了回答一个问题：当AI成为仿真的主要用户，仿真平台应该长成什么样？
2012年，刘志远教授写下第一行代码，开启了TASP平台从0到1的自主研发之路。历经十余年持续攻关与迭代升级，东南大学复杂交通网络研究中心打造出具有完整自主知识产权的TASP平台，首次实现交通规划、设计、管控全链条一体化仿真。目前，TASP已在北京、上海、南京、杭州等20余个百万人口规模以上城市深度应用，累计仿真节点超过20万个，获CNAS软件认证、江苏省科技进步一等奖、中国公路学会一等奖等荣誉。
图1 TASP宏微观一体化交通仿真平台发展历程
支撑TASP的，是三项自主突破的底层技术。用一句话概括：让大规模交通仿真既算得准，又算得快，而且宏观与微观不再“各说各话”。
宏微观一体化交通仿真框架——一套仿真，支撑两类决策。宏观模型擅长描述大范围整体规律，微观仿真擅长刻画车辆个体行为，但两者长期割裂、结果难以互洽。团队构建了宏微观一体化仿真框架（MMIS），分别解决模型一致性与约束一致性问题，并首创基于边的最短路算法，破解转向约束下的路径搜索难题。大规模路网验证表明，该方案在保证宏微观一致性的同时，仿真速度提升30%以上——规划层面的需求分析与管控层面的精细评估，第一次能在同一套体系里完成。
基于贝叶斯优化的参数自动化校准——把“调参”从手艺变成科学。一个复合交通系统的宏微观一体化仿真，待校准参数可达数十万个。团队提出基于仿真优化的自动化校准技术，涵盖行为参数、动态OD需求与环境参数三大模块，将交通分配模型内嵌至高斯过程代理模型，并改进贝叶斯优化算法。基于沪杭甬高速卡口数据的实测验证表明，仿真误差从传统方法的25%以上降至10%以下。
宏微观一体化并行计算加速——20分钟的计算，10秒完成。针对沿用70年的宏观交通分配模型只能单线程计算的瓶颈，团队创造性地将流量守恒约束转化为“边着色”问题，首创iBADM算法，在南京超5万节点、800万出行者的网络中，将求解时间从20分钟压缩到10秒，效率提升100倍以上；微观仿真方面，基于图谱分割的最优网络切割与动态切割策略。
这三项突破指向同一个目标：让城市级交通仿真，第一次快到足以成为AI的训练场与校验场。强化学习训练一个管控策略需要百万步级的仿真试错，AI生成的每一个方案也都需要物理规律的检验——当一次城市级推演从20分钟压缩到10秒，“每个决策都先经物理验证”才从理想变成日常。
图2 TASP 2.0十大核心功能
从产品形态看，TASP把交通仿真组织成一条“可运行、可训练、可验证”的完整链路。
图3 TASP 2.0三大性能提升
真实路网数字化建模。支持道路、车道、交叉口、连接器、信号控制、检测器、交通需求等全要素可视化建模，形成可运行、可复用、可版本管理的仿真工程——建模不是一次性画图，而是可以持续校核、归档的实验底座。
图4 TASP教育版主界面
宏微观一体化仿真运行。宏观层处理OD需求、路径选择与路网阻抗，微观层刻画跟驰换道、信号响应、排队溢出与瓶颈传播，两层同源计算、结果互馈，微观运行结果反向修正宏观分配假设，形成方案迭代闭环。车辆行为层面，平台建立了统一的跟驰与换道模型注册、参数配置和运行追踪机制，支持在项目及车型层面选择不同行为模型。
图5 车辆类型与行为模型配置
多场景交通实验编排。面向信号配时、匝道控制、可变限速、公交优先、事故施工、应急车道、CAV协同等场景，支持多参数、多方案、多随机种子的批量实验，让场景推演更接近真实决策过程。
图6 信号控制交叉口仿真运行
图7 路网检测器布设与观测
方案指标评估与对比分析。围绕延误、排队长度、平均速度、行程时间、吞吐量、停车次数、能耗排放、交通冲突等指标，对不同方案进行同口径量化对比，并把关键图表、过程记录和结论沉淀为可交付资料。仿真结果支持车辆微观轨迹、宏观仿真评价指标、检测器观测数据一键导出。
图8 仿真结果导出：微观轨迹、宏观指标与检测器数据
AI算法训练与仿真优化。通过PyTASP二次开发接口，仿真变成算法可以高频调用的计算服务：强化学习、多智能体控制、贝叶斯优化等算法流程，可以在TASP中形成“状态读取—动作下发—仿真反馈—策略更新”的完整闭环。在这里，AI不是仿真软件的“交互助手”，而是与仿真同处一个技术生态的“原生用户”——仿真状态可以被算法直接读取，策略动作可以直接回写，中间没有语言与协议的高墙。
智能协作与实验成果输出。通过TASP Agent，用户可以用自然语言描述分析目标——“对比这三套配时方案在早晚高峰的表现”——TASP Agent会结合当前工程自动拆解出结构化的实验方案，明确仿真参数、运行步骤与评价指标，经确认后批量执行“多方案仿真—指标对比”的完整流程，并结合交通工程知识，对延误、排队、通行能力的变化做出解读，指出瓶颈在哪里、哪个方案更优、代价是什么，形成面向决策的方案建议。成果输出层面，关键图表、分析报告、演示视频与项目归档支持一键生成；更重要的是，从任务下达、参数变更到结果来源，全过程留痕——既能直接交付，也能随时复现与审计。
图9 TASP Agent仿真：基于自然语言的交互式仿真指令下达与方案比选
支撑这一切的，是分层清晰的四大核心模块：TASP-Viewer（路网编辑、仿真控制、运行的可视化管理界面）、TASP-Server（仿真服务与前后端通信平台）、TASP-Core（宏微观一体化交通仿真计算内核）、PyTASP（Python Native的二次开发接口体系，面向AI生态提供标准化的工具调用能力）。
支撑这一切的，是分层清晰的四大核心模块。它们自下而上各司其职，共同构成TASP的完整技术栈：
TASP-Core宏微观一体化仿真计算内核。宏微观一体框架、参数自动校准、并行计算加速三大核心技术都沉淀在这一层，向上提供“算得准、算得快”的计算能力，是TASP所有能力的物理来源。
TASP-Server仿真服务平台。它把计算内核包装为可持续运行、可被多端访问的仿真服务，承担任务调度、数据管理与前后端实时通信，是仿真从“单机程序”变为“平台能力”的关键一层。
TASP-Viewer路网编辑、仿真控制与运行可视化的管理界面。工程师在这里完成建模、布设、操控与观测，仿真过程的每一帧变化都直观可见。
PyTASP二次开发接口体系。面向工程化二次开发与 AI 生态提供标准化工具，让仿真能力可以被算法、智能体和外部业务系统直接发现、调用和编排。
不同用户与仿真的关系，其实很不一样：高校师生需要低门槛、可探索的学习科研环境，工程师需要能支撑真实项目交付的工程工具，AI团队需要算法可以高频调用的智能底座，大型机构需要安全可控、数据不出域的专属部署。围绕这四类需求，TASP 2.0形成了覆盖不同用户群体的产品矩阵。四个版本采用同一套TASP 2.0仿真内核和统一公共开发接口——同一套引擎，不同的功能侧重，版本之间不割裂、能力不缩水。
TASP Educational（教育版）——面向高校师生与科研团队，已完成阶段性交付并开放免费授权，形成“可建模、可运行、可分析、可二次开发”的基础能力闭环，支持强化学习控制、模型参数标定、交通管理与控制等教学科研实验。
TASP Professional（专业版）——面向政府交通管理部门、地方交通集团与高速公路业主、设计院及咨询公司，提供私有化部署、权限管理、资源调度、项目归档与定制化开发服务，支持更大规模仿真、对接既有平台与数据接口，支撑真实工程项目的方案评审与交付。
TASP AI Agent（AI Agent版本）——面向高阶工程咨询、AI团队和科研团队，TASP Agent将大模型与仿真平台深度耦合：用户用自然语言描述仿真目标，Agent结合当前项目自动生成结构化实验方案，明确仿真参数、运行步骤与评价指标；经确认后，系统调用真实仿真能力执行任务，批量完成“多方案仿真—指标对比—报告生成”的完整闭环，并对任务、工具调用、参数变更和结果来源留下全过程审计记录。
产品能力最终要接受真实场景的检验。在凉山火把节交通保障中，凉山州公安交管部门联合团队，把TASP用在了交通保障方案制定的最前线。
车辆组织推演。依托TASP对会场周边局部路网进行建模，接入卡口流量等实测数据还原真实车流，对不同交通管制、绕行分流、路口组织和停车进出方案进行对比推演——排队会排到哪里、拥堵如何传播、重点节点何时承压，延误、排队长度、平均速度等指标同口径对比，一线指挥人员在方案实施前就能直观看到。
行人疏散仿真。针对散场时段人流集中释放的特点，建立会场行人疏散仿真场景，对主要出入口、疏散通道和重点交汇区域进行模拟，比较不同到场规模、出入口开放方式和疏导措施下的疏散过程，为隔离设施设置、警力布点和疏散引导提供参考。
大模型辅助研判闭环。依托团队研发的TRIP交通大模型，基于华为昇腾全国产AI方案本地化部署，对多路视频画面自动巡查，辅助发现拥堵、事故、异常停车等情况；发现疑似异常后，由智能体结合监控画面、道路条件、交通规则和处置流程综合分析，形成事件摘要、风险提示和处置建议，生成待审核的处置工单——数据不出域、模型本地运行、结果可追溯、关键决策由现场指挥人员确认。TRIP大模型负责看懂现场、生成思路，把“场景信息”变成“仿真任务”；TASP交通仿真负责验证每一个思路在物理世界里是否成立，把“处置方案”变成“实施证据”——语言理解世界，仿真校验世界。
图10 凉山公安交通指挥中心：TASP火把节仿真推演现场
图11 凉山火把节交通保障专项：团队核心研发人员开展TASP Agent模块测试
图12 TASP交通仿真搭载TRIP交通大模型：对话即可完成封路管控等仿真操作
凉山州火把节之外，TASP的仿真引擎已在更多场景中经受检验：在南京，多线程网络切割技术支撑约25000个节点的超大规模多模式交通网络宏微观一体化快速推演；在杭州，TASP作为隧道综合管控平台的推演与物理校验引擎，基于雷达与视频数据实现路网态势实时监控，支持应急车道开放、匝道控制、可变限速等管控方案的物理校验；在雄安，基于容东片区规划路网融合手机、地图、卡口、规划等多源数据，实现规划期与建设期的推演模拟。
图13 TASP实践案例：浙江G56杭徽高速仿真管控
图14 TASP实践案例：浙江智慧高速测试场仿真孪生
图15 TASP实践案例：南京市城市多模式交通仿真孪生
TASP 2.0同步推出科研共创计划，面向高校和科研院所：教育版免费授权，开放PyTASP公共开发底层接口，共享脱敏交通数据集，支持高水平论文中的算法验证。团队同步建设TASP课程体系、开放科研实践案例，让交通仿真的学习与使用门槛持续降低。两种方式获取TASP：
复杂交通网络研究中心网站：https://tc.seu.edu.cn/tn/
新版本试用邮件申请：shaoweihualiu@seu.edu.cn
从2012年的第一行代码，到今天覆盖“教育—工程—智能体”的完整产品体系，TASP想做好的事情只有一件：让交通仿真成为真实世界的物理底座，让每一次交通决策，都经得起物理规律的验证。语言负责理解，仿真负责验证；场景在此还原，决策在此检验。TASP 2.0，来了。（本文转载于东南大学交通学院复杂交通网络研究中心）
未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明等材料，与我们联系，我们将及时沟通与处理。
好文章，需要你的鼓励
赛文交通网
特邀作者