问题——交通运行更“繁忙”，治理更“复杂”。道路交通是支撑经济社会运转的重要基础设施。近年来，机动车保有量持续增长，城市道路与干线通行压力加大，拥堵、事故风险与运行效率之间的矛盾更加突出。更关键的是，道路交通并不是简单的“车流叠加”，而是一个由海量个体参与、网络结构多层耦合、需求与供给动态波动共同组成的复杂系统：微观层面出行者行为意义在于随机性与差异性，宏观层面却会涌现排队蔓延、瓶颈锁死、区域性拥堵等非线性现象。这也让“看得清、算得准、控得住”长期成为交通治理的核心难题。 原因——传统建模与优化难以覆盖真实世界的多变约束。专家指出，复杂交通系统调控之难，既来自变量规模，也来自现实约束。一方面，交通控制涉及信号配时、匝道控制、诱导策略、路权组织等多类手段，变量数量大且相互牵连；另一方面，事故、恶劣天气、施工、节假日潮汐等扰动叠加，系统状态变化快。传统方法多依赖简化假设、局部线性近似或离线仿真优化，跨区域、跨部门联动治理与实时决策中，容易遇到建模精度不足、求解效率受限、策略泛化能力不强等瓶颈，难以支撑更精细的治理需求。 影响——从“经验驱动”转向“数据与知识驱动”成为趋势。会议背景下，多位业内人士认为智慧交通是交通强国建设的重要方向之一。随着感知设备、车路协同与交通大数据体系健全，治理模式正从依赖经验与局部优化，转向由数据、模型与规则协同支撑的系统治理。专家表示，面向超大规模数据的融合分析、面向多目标约束的策略生成、面向个体行为差异的真实仿真评估，将成为提升既有道路系统效能的重要抓手，并直接影响交通安全、运行效率与公众出行体验。 对策——构建“分析—生成—评估”闭环，提升调控的可解释与可落地能力。在论坛发言中，徐铖铖提出面向复杂交通系统的整体思路：以跨领域知识融合与海量数据分析为基础，完成问题诊断与目标刻画；以多模块协同方式将调控意图转化为可执行的设计与控制方案；再通过拟人化智能体仿真对方案效果进行量化评估与迭代优化，形成闭环改进机制。其核心是打通交通工程、控制理论、行为科学与计算方法，让策略不仅“算得出”，还“讲得清、验得过、落得下”。 在具体研究进展上，专家重点提到交通安全风险辨识该长期难题。由于交通事故发生概率低、可观测样本稀缺，传统基于事故统计的风险刻画往往存滞后；而基于替代安全指标或自然驾驶数据的分析，虽然扩大了样本范围，但仍面临风险度量不够精细、场景覆盖不足等问题。针对这一痛点，有关研究尝试用更细粒度的行为与交互表征，提高对潜在风险场景的识别能力，为后续信号控制优化、速度管理、冲突点治理等措施提供依据。业内人士认为，若能在风险辨识、策略生成与评估验证之间形成稳定闭环，将有助于治理从“事后处置”继续前移到“事前预防”。 前景——规模化应用仍需“技术—治理—标准”合力推进。与会专家认为，新方法不仅在于提升算力与效率，更在于推动交通治理从局部最优走向系统最优，从静态规则走向动态自适应。但要从科研探索走到工程落地，仍需在三上持续发力：其一，完善多源数据的合规共享与高质量治理，提高数据可用性与时效性；其二，强化模型的可解释性与鲁棒性，确保在极端场景、突发事件与跨区域联动中稳定可靠；其三，加快评测体系、技术标准与工程规范建设，推动不同城市、不同平台之间的互联互通与成果复用。随着“数字化、智能化”持续推进，面向全链条的交通治理能力有望增强，形成更安全、更高效、更绿色的出行体系。
交通治理从来不是单一技术命题，而是数据、规则、设施与公众行为共同作用的系统工程。面对更复杂的城市运行需求，以新一代智能技术构建“可分析、可生成、可评估”的闭环体系，将为科学决策提供新的支撑，也对规范应用提出更高要求。只有在公共利益与安全底线之内推进技术创新，智慧交通才能更好服务高质量发展，保障群众安全、便捷出行。