交通信号控制正在经历一次身份转变。过去，它是一套“配时装置”——工程师根据历史流量算出周期、绿信比和相位差，写进信号机，剩下的交给时钟。今天，越来越多的城市开始要求信号灯具备“研判”能力：感知车流、预测趋势、在拥堵形成之前调整相位。这种转变的技术内涵，远不止于把固定配时换成自适应算法，而是一次涉及系统架构、决策逻辑与可靠性设计的整体重构。

架构先行：从单点信号机到“云—边—端”闭环

传统信号控制系统的信息流是单向的：中心下发配时方案，路口信号机执行。感知与决策分离，反馈周期以分钟乃至小时计。新的设计范式则在架构层面将闭环前移。

一个值得关注的方向是分层闭环架构。以PRAVAH系统为例，其Layer-1利用路口智能相机实时识别车辆类型与到达特征，直接驱动信号切换；Layer-2构建“预测大脑”，从历史与实时数据中学习拥堵的萌发模式，在排队尚未溢出之前调整上下游协调策略；Layer-3则通过出行端信息引导，在更宏观的尺度上平衡路网需求。类似地，国内研究提出的分层协同控制架构，将交叉口智能体与子区智能体解耦：交叉口智能体负责本地信号方案的微观优化，子区智能体基于拥堵扩散关系动态划分控制子区并提供全局性协调建议，仿真中平均行程时间较定时控制降低56.78%。

这种“中心—区域—路口”的分层逻辑并不新，新的是边缘侧获得了真正的决策权。边缘计算单元与信号机之间的通信架构、接口与安全要求，已在2025年进入团体标准化的视野。工程上的信号同样清晰：支持亚秒级计算与调度的信号机产品已经出现，控制精度从“秒级”向“亚秒级”推进。当决策延迟被压缩到百毫秒量级，信号控制才可能从“事后响应”走向“事前干预”。

算法的真实边界：从“学会了什么”到“敢不敢用”

深度强化学习无疑是当前信号控制研究中最活跃的算法路径。将相位选择与相位时长作为联合决策单元进行优化，在连续干道交叉口可将平均行程时间进一步压缩约7.2%；将计算机视觉与强化学习耦合，在仿真环境中对救护车等待时间的削减幅度可达94%。这些数字令人振奋，但它们来自仿真。

一个必须正视的落差是：算法开发与可部署的实时控制系统之间仍然存在显著鸿沟。针对多交叉口强化学习控制的系统性综述指出，当前绝大多数工作依赖仿真验证，离线强化学习、安全性与可靠性约束、异构交通流标定、网络可扩展性以及协调机制的明确规范，均处于供给不足的状态。另一项覆盖148项研究的综述同样将可扩展性、可迁移性、可解释性和真实部署列为关键缺口。大语言模型的引入带来了新的想象空间——其在分布外场景和紧急情况下的泛化表现优于传统DRL基线——但模型幻觉在安全关键环境中的物理后果，以及实时决策所面临的算力延迟与API经济成本，构成了硬约束。

换言之，算法竞赛的计分板正在从“平均行程时间降低了多少”转向“在通信退化、传感器失效、需求骤变时，系统还能不能守住安全与效率的底线”。这恰恰是工程设计需要介入的地方。

被低估的工程命题：通信确定性与控制可靠性

“云—边—端”架构的优雅，建立在一个脆弱的假设之上：通信始终完好。实际运行中，云控中心、信号机与传感器之间的数据交互会出现中断、缺失、乱序乃至降级。有研究将云边端通信的实际条件归纳为十六种，不同条件对应不同的控制策略降级逻辑与算法切换需求；成熟的系统必须为每一种条件预设行为，否则故障发生时监控端将丧失主动性。

边缘侧的价值在这里再次显现。车路协同场景下的边缘—云框架将深度强化学习推理部署在路侧节点，云端承担集中训练与模型更新，仿真中平均排队长度降低35.7%。但边缘推理本身也消耗时间，且受带宽、丢包和工作负载波动的影响。有研究将通信延迟、推理延迟、工作负载、带宽和丢包率显式纳入控制状态，使信号优先策略能够在边缘条件退化时保持时间约束。这种“面向退化的设计”而非“假设理想通信的设计”，才是信号控制系统从实验室走向路口的必要条件。

回到控制的原点：信号灯为谁而变

在架构和算法的讨论中，一个根本性问题容易被遮蔽：交通信号控制的对象，从来不是抽象的车流，而是具体的人——驾驶人、行人、非机动车骑行者。有学者指出，即使无人驾驶成为主流，行人与非机动车仍将存在于道路体系之中，信号控制必须围绕人的出行需求展开，纯粹以车辆为对象的仿真研究往往难以落地。策略、算法与数据三者构成信号控制发展的三角支撑：策略回答“这座城市要什么”，算法提供“技术能做到什么”，数据决定“系统能看见什么”，三者缺一不可。

泉州南安的实践提供了一个直观注脚。AI智慧信号灯在支路车辆放行完毕后即刻结束绿灯、同步延长主干道通行时间，全程无需人工干预，其底层逻辑并非追求某个全局最优解，而是在每一个短周期内回应“哪个方向的人正在等待”。湘潭全域335个路口采用全感应控制，以“数据驱动、模糊决策”替代对百分之百识别准确率的执念，依托关键车道流量态势触发相位，2017年至2023年拥堵指数下降约19%。这些案例的共同特征不是算法有多复杂，而是控制系统被嵌入了一个可维护、可降级、可解释的工程体系之中。

交通信号控制系统的设计，正在从“配时优化问题”演变为“实时决策系统的工程化问题”。架构决定了信息能在多快、多可靠的条件下抵达决策点；算法决定了决策的质量上限；而可靠性设计决定了系统在非理想条件下是否仍然值得信任。对于行业而言，下一步的竞争力或许不在于谁能在仿真中多降低一个百分点的行程时间，而在于谁能率先让分层架构、学习型算法与确定性工程在真实路口形成可持续运转的闭环。

（本文观点综合自公开行业研究与媒体报道，数据以官方发布为准。）