分享
收藏
点赞
究竟是范式革命还是工程改良？
交通信号控制技术正处于深刻变革之中。近年来，“全息感知”、“全轨迹追踪”、“AI信控”等新鲜词汇层出不穷，行业热度与技术叙事同步升温。本文作者在东南亚地区的学术交流与实地考察中注意到，这些在国内被广泛讨论的新技术概念，在面对摩托车占主导的混合交通流场景时，其解释力与控制效果出现了明显折扣。这一反差促使作者对信号控制技术的演进逻辑进行重新审视，形成此文。
交通信号控制是城市交通管理的核心技术手段。自20世纪50年代韦伯斯特（Webster）提出延误最小化的信号配时理论以来，这一领域经历了从定时控制到感应控制、再到自适应控制的多次技术迭代。近年来，随着激光、毫米波雷达等新型感知设备的成熟以及深度强化学习等人工智能算法的引入，“全息路口”、“全轨迹追踪”、“AI信控”等新概念迅速成为行业热词。这种技术叙事往往暗示着一场革命正在发生，旧范式行将终结，新范式已然来临。但事实是否如此？
图1 东南亚某地街头的混合交通流
本文作者在东南亚地区的学术交流中注意到一个值得深思的现象：那些在国内被频繁提及的先进信控概念，在面对该地区以摩托车为主导的混合交通流时，其实际效果与理论预期之间存在显著落差。当交通主体不再是规整排列的汽车队列，而是灵活穿行、难以计数、不循车道的摩托车流时，“全息感知”的基础，“感知”本身就已岌岌可危。这一观察促使作者返回信号控制的基本理论问题，对技术演进的真实逻辑进行重新审视。
本文试图超越非此即彼的简单判断，从交通工程的基本理论出发，对当前的技术争议做出更为审慎的分析。
2.1 韦伯斯特公式
韦伯斯特公式是交通信号控制领域最具影响力的理论成果之一。它以车辆平均延误最小化为目标，通过解析方法推导出最佳信号周期和绿信比的计算公式。这一理论的贡献在于，它第一次以严格的数学形式回答了“在给定交通需求下，信号应如何设置”这一基本问题。
然而，理解韦伯斯特公式的理论定位同样重要。它是一种离线计算方法，基于历史平均流量数据给出固定配时方案，无法响应实时交通流的变化。换言之，韦伯斯特公式回答的是一个静态问题：在已知平均交通需求的条件下，最优的固定配时是什么。这一理论基础为此后自适应控制系统的发展提供了优化目标的理论基准，但并未直接规定其实现路径。
从理论适用条件来看，韦伯斯特公式主要面向不饱和交通流，当饱和度接近1时，其延误估计趋于无穷大，公式本身失效。这一局限也预示了后续研究的方向，如何在更广泛的交通状态下实现有效控制。
2.2 SCOOT与SCATS
SCOOT（Split, Cycle, Offset Optimization Technique）和SCATS（Sydney Coordinated Adaptive Traffic System）的出现，标志着交通信号控制从静态计算走向动态响应。二者共用韦伯斯特公式奠定的优化目标，即延误最小化、通行能力最大化，但在实现路径上选择了截然不同的技术路线。
SCOOT由英国交通与道路研究所（TRRL）于1973年开始研发，1979年投入应用。其技术路线概括来说就是基于模型的实时优化。系统通过布设在路段上游的车辆检测器采集实时交通数据，利用内置的交通流模型进行短时预测，然后以“小步长”方式持续微调周期、绿信比和相位差三个核心参数。SCOOT的本质是一个在线实时仿真器，用模型“预测”未来交通状态，并据此做出控制决策。
SCATS由澳大利亚新南威尔士干线道路局于20世纪70年代研发，80年代初投入使用。其技术路线与SCOOT截然不同。SCATS不建立任何显式的交通模型，而是通过布设在停车线附近的检测器测量“类饱和度”和流量两个指标，从预设的配时方案库中选择最匹配的方案执行。这是一种方案选择式的自适应控制。
SCOOT与SCATS代表了自适应控制领域两种不同的工程哲学。前者相信“预测优于反应”，后者相信“匹配优于计算”。二者各有优劣，但都在各自的技术框架内解决了“如何实时响应交通流变化”这一核心工程问题。
2.3 经典体系的局限
纵观从韦伯斯特公式到SCOOT、SCATS的演进历程，经典体系的基本特征可以归纳为四要点。以断面检测为感知手段，以统计模型或方案库为决策依据，以延误最小化等指标为优化目标，以闭环反馈为控制逻辑。
这一体系的根本局限在于信息获取的结构性缺陷。线圈、地磁、视频等传统检测器提供的是截面、集计的统计信息，也就是某一点位通过多少辆车、占有率是多少，而非每一辆车从何处来、往何处去。在此基础上建立的控制决策，本质上是在用“过去”的统计信息推测“未来”的交通状态，其预测能力在交通流平稳时尚可接受，一旦出现突发事件或剧烈波动，控制效果便大打折扣。
然而，这一局限是否真的能被新一代技术彻底克服，仍需审慎评估。
3.1 感知层
新一代信号控制系统最显著的特征在于感知手段的变革。传统系统依赖线圈、地磁、视频、微波等检测器获取断面交通数据，也就是某一点位、某一时刻的车辆通过信息。新一代系统则采用激光或毫米波雷达设备，试图实现对路口范围内多目标的连续轨迹追踪。
这一变化的意义不容低估。断面检测只能提供“有多少车过去了”的统计信息，而连续轨迹追踪可以提供“每一辆车在什么位置、以什么速度行驶”的个体信息。从信息论的角度看，这是从集计信息到个体信息、从离散采样到连续观测的跃升，理论上为更精细的控制提供了数据基础。
3.2 控制逻辑
然而，感知层的升级并不自动意味着控制理论的革新。从控制论的视角审视，新一代系统并未改变“感知→决策→执行”的基本控制闭环，只是将这个闭环中的每一个环节做得更加精密。
具体而言，传统系统的感知是“计数”，新系统的感知是“追踪”，但这仍然是感知，而非认知。系统“看到”了每一辆车，并不意味着它“理解”了交通流的演化规律。传统系统的决策基于统计模型或方案库，新系统的决策越来越多地采用深度强化学习，但这仍然是从状态到动作的映射，其宏观逻辑与SCOOT的“模型预测+优化”并无本质不同。
值得留意的是，行业宣传中常将“全息”与“智能”并置，暗示二者结合便可通向理想的信号控制。但从控制理论的角度看，“看到更多”与“决策更优”之间并无必然的逻辑递进关系。控制的本质是在信息约束下做出合理的决策。信息精度提升可以改善决策质量，但不改变决策问题的结构。
3.3 优化目标
更值得追问的是，新一代系统是否提出了新的优化目标？答案是否定的。“全局协同”、“车看灯、灯看车”等表达方式，在本质上仍然服务于延误最小化、排队最小化、通行能力最大化这些经典目标。SCOOT早已以“延误和停车次数最小”为优化目标，SCATS也以“类饱和度综合流量最大”为系统目标。新一代系统用更精细的数据去逼近这些已有目标，而非设定了全新的目标函数。
3.4 工程约束
除了理论层面的审视，新一代系统在工程实践中同样面临诸多现实约束。毫米波雷达对低速和静止目标的检测能力较弱，在拥堵排队场景下可能难以准确识别静止车辆。在慢速多目标高密度场景下，先不考虑前后车物理遮挡带来的信息丢失问题，光是区分和追踪个体目标已经是对众多传感器的巨大技术挑战了。对于“多元信息融合”的说辞，仅举一例，由基础的概率论可知，雷达和视频各自的检测精度如果都在90%左右，同类信息的融合结果并非相容关系，而是相乘关系，即降至81%左右。
成本问题同样不容回避。一个全息路口的建设成本接近百万元级别，在地方政府财政收紧的背景下，这种投入是否能够带来相称的回报，尚缺乏系统性证据。部分城市的试点确实取得了拥堵降低的效果，但其可复制能力还无定论。
如果说前述分析尚在“程度”上争论，那么东南亚地区高渗透率的摩托车混合交通，则将现有技术路线共同面临的结构性困境暴露无遗。这正是作者在该地区感受最为深切的问题。
4.1 感知失效
摩托车体积小、灵活性强，行驶轨迹不遵循车道线，常以高密度“集群”方式穿行于城市道路。传统线圈或地磁检测器难以有效检测和计数摩托车，这是经典系统的老问题。但值得注意的是，以“全息追踪”为卖点的新一代系统，在面对相同场景时同样力不从心。虽然能检测到目标，但在高密度、多目标场景下，区分和追踪个体摩托车仍是巨大挑战，更不用说实现对每一辆摩托车轨迹的“全息”感知。
这里揭示了一个容易被概念宣传遮蔽的真相，“全息”是一个相对概念，其有效性高度依赖于被观测对象的特征。当交通主体从尺寸规整、轨迹有序的汽车变为体积小巧、行动灵活的摩托车时，同样技术设备的观测能力会急剧下降。宣称“全息”的系统，其实只是在特定条件下接近全息。
4.2 理论困境
更根本的困境在于“等效”问题。这是任何试图用统一度量衡来管理混合交通的系统都必须面对的理论难题。
如何将一辆摩托车“等效”为多少辆小汽车（PCU）？答案是这个换算系数并非固定值，而是随交通组成、车流密度、交叉口几何特性等因素动态变化。这意味着，任何基于“当量排队车辆数”的控制策略，无论是经典的排队长度估计，还是新一代的精细化控制，其计算基础本身就是不稳定的。有研究指出，即便在优化后，排队长度估计仍可能存在2辆当量车左右的误差。在需要精细控制的路口，这种误差足以导致完全不同的控制效果。
这已经不仅仅是“精度”问题，而是“量纲”问题。当交通流由行为模式迥异的多类主体构成时，试图用一个统一的“等效值”来描述其状态，可能在理论上就是不完备的。
4.3 理论启示
以摩托车为主体的混合交通流案例提醒我们一个基本事实，那就是控制系统有效性的上限，永远受制于其对被控对象的观测和建模能力。无论是经典系统的“计数器”还是新一代系统的“轨迹追踪器”，如果无法准确感知和描述交通主体的行为，任何“优化”都如同在流沙上建塔。
这一观察对当前的技术叙事构成了一种必要提醒。概念的热度不等于理论的深度，技术的进步不等于范式的革命。在复杂交通场景面前保持审慎，是从事这项研究应有的态度。
面对上述理论困境，特别是高渗透率摩托车混合交通场景，研究者提出了若干替代性技术路线。以下从可实现度角度进行简要分析与评估。
模糊逻辑控制是一种无模型的智能控制方法，允许对复杂系统进行定性建模。针对混合交通场景，已有研究提出了基于模糊逻辑的自适应信号控制器。其优势在于不需要精确的数学模型，适合处理摩托车行为的高度不确定性。可实现度为中高，但规则库构建依赖专家知识，参数标定困难，在复杂路网中的扩展性有待验证。
计算机视觉+微观仿真+启发式优化这一技术路线利用监控相机和AI图像识别直接检测排队长度，将识别结果输入微观仿真软件（如VISSIM），再用启发式算法在仿真环境中搜索最优配时方案。可实现度为中，但效果高度依赖光照条件和摄像机视角，实时性也可能成为瓶颈。
摩托车前置等候区（Motorcycle Box）是一种通过工程手段而非控制算法来解决问题的思路。通过在交叉口停车线前设置摩托车专用等候区，将摩托车与汽车在空间上分离。泰国清迈等城市的实践表明这一措施能有效提升通行效率。可实现度为高，是最成熟、最易实现的工程措施，但属于被动适应策略，且需要对交叉口进行物理改造。
车路协同与个体化控制假设未来摩托车也具备通信能力（V2X），信号控制系统能直接与每辆车“对话”，获取其精确的位置、速度和意图。可实现度为低，长远来看是终极解决方案，但短期内受限于车辆渗透率、通信标准和成本。
经过上述分析，我们可以回到本文开篇的问题：那些被冠以“全息”、“AI”之名的信号控制新技术，究竟是范式革命还是工程改良？
笔者的看法是，它在感知层构成了一次重要升级，但在控制理论层面并未实现范式突破。“全息感知”让系统看到了更多，但并未改变“基于观测做决策”这一控制问题的基本结构。“强化学习”提供了更强大的映射工具，但并未回答“优化的目标究竟是什么”这一更为根本的问题。
但这并不意味着对技术进步的全盘否定。从韦伯斯特公式的静态优化，到SCOOT、SCATS的动态响应，再到今日基于高精度感知的精细控制，每一步进步都是真实的。只是这些进步更多地体现在工程实现层面，而非理论范式层面。
秉承着既不盲目追逐新概念热潮，也不固守旧有框架的想法，审慎地观察技术进步的连续性与局限性，或许是面对当下纷繁技术叙事时一种更为清醒的态度。东南亚混合交通的案例尤其提醒我们，在复杂交通场景面前，谦逊承认传统技术的边界，与积极探索创新技术的可能，同样重要。
从最初的学术讨论到实地考察，最为深切的一个感悟是，信号控制的核心问题自始至终没有改变。在有限信息的约束下，做出尽可能合理的控制决策。韦伯斯特在只有历史平均数据的条件下给出了理论最优解。SCOOT和SCATS在有了实时断面数据的条件下实现了动态响应。新一代系统在有了更精细的感知数据的条件下追求更优的控制效果。每一代技术都在拓展“有限信息”的边界，但没有任何一代技术能够彻底消除“有限”二字。
那个最初概括中的基本框架：“看到了什么？将发生什么？该做什么？做得好不好？”，至今仍然有效。技术进步改变的是这四个问题的答案精度，而非问题本身。承认这一点，或许是在喧嚣的技术叙事中保持清醒的一条可行路径。
参考文献
[1] Webster, F. V. Traffic Signal Settings. Road Research Technical Paper No. 39, HMSO, London, 1958.
[2] Robertson, D. I. “TRANSYT: A Traffic Network Study Tool.” Road Research Laboratory Report, 1969.
[3] Hunt, P. B., Robertson, D. I., Bretherton, R. D., & Winton, R. I. “SCOOT: A Traffic Responsive Method of Coordinating Signals.” TRRL Report LR 1041, 1981.
[4] Lowrie, P. R. “The Sydney Coordinated Adaptive Traffic System: Principles, Methodology, Algorithms.” IEE Conference Publication, 1982.
[5] Sims, A. G., & Dobinson, K. W. “The Sydney Coordinated Adaptive Traffic (SCAT) System: Philosophy and Benefits.” IEEE Transactions on Vehicular Technology, 1980.
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
德德巷
特邀作者