智能交通管理
Adaptive Traffic Grid — 由 AI 驱动的信号与流量智能
LyDian AI 的 Adaptive Traffic Grid 在城市和交通管理机构现有基础设施之上提供一层实时 AI 能力。从单个路口到走廊级编排，ATG 持续感知、预测并采取行动，以保持交通顺畅、确保应急车辆畅通无阻，并维持多模式网络的平衡。
六大核心交通智能模块
每个模块都可独立运行，也可作为全市统一网格的一部分，连接您现有的信号控制器、传感器和数据源。
各路口的信号方案基于实时排队长度、行人需求和下游饱和度，以亚秒级周期更新。以持续优化取代固定的按时段配时方案。
将环形检测器计数、摄像头画面、探测车辆数据和气象输入融合为滚动的 15 分钟交通状态预测。可在瓶颈形成之前进行前瞻性的信号调整。
在收到出动通知后，ATG 计算最快的畅通走廊，沿途对冲突相位实施抢占，并实时在车辆前方保持绿灯——在不干扰更大范围路网的情况下缩短响应路径上的延误。
在优化私家车的同时，协同优化公交车辆、骑行者和行人的信号方案。公交信号优先可为晚点的公交车延长绿灯时间，同时不会令交叉方向的交通陷入停滞。
计算机视觉与统计异常检测可在事件发生后数秒内识别抛锚、逆行事件和回溢。触发自动改道信号和操作员告警，并附带带地理标记的证据片段。
提供符合标准的 V2X API（ETSI ITS-G5 / DSRC / C-V2X），使配备相应设备的车辆接收信号相位与配时数据、车速建议和危险预警——并将探测数据回传至优化引擎。
感知 → 预测 → 优化 → 执行
一种四阶段闭环架构，处理多源传感器数据，并在 500 毫秒内将信号指令回传至现场硬件。
环形检测器、雷达、视频分析、V2X 探测、GTFS-RT 数据源和气象站汇入统一的城市数据总线。所有输入在传输前都在边缘节点上加注时间戳并进行融合。
时空模型在每个受监测路口维持对流量、占有率和排队长度的滚动 15 分钟预测。随着异常出现，事件概率评分持续更新。
网络级优化器在尊重相位约束、行人最短时间以及来自应急或公交车辆的实时优先请求的前提下，求解整个走廊或区域的最小总延误。
计算得出的信号方案通过 NTCIP 或直接控制器 API 下发至交通信号机柜。每条指令都带有审计时间戳记录，用于监管报告和事后分析。
ATG 发挥成效的场景
专为交通工程师、城市运营中心和区域出行机构而设计，可管理从数个路口到城市级网络的各类走廊。
拥有 15–40 个信号化路口的高流量通勤走廊，最能从协调的绿波推进中受益。当需求高峰在早晚时段移动时，ATG 动态调整相位差和绿信比方案，防止固定协调方案无法应对的上游回溢。
当消防、EMS 或执法单位出动时，ATG 在数秒内计算出一条畅通的绿波，对冲突相位实施抢占，并在车辆通过后的一个周期内恢复正常运行。兼容基于 AVL 的 CAD 系统集成。
体育场、竞技馆和会展中心的活动会产生可预测的交通激增模式。ATG 预先加载针对特定活动的信号方案，实时监测排队增长，并启动错峰散场序列，以更快疏散场馆，同时保护周边社区免受溢出的穿行交通影响。
开展 AV 试点项目的市政当局可将 ATG 部署为 V2X 基础设施的骨干。车辆接收 SPaT（信号相位与配时）广播并提供匿名探测数据，使城市能够在更广泛的混合车队交通流中量化 AV 行为。