技术深度解析
此次突破的核心在于决策Transformer架构，该架构最初由加州大学伯克利分校和谷歌的研究人员于2021年提出。与通过奖励最大化来学习策略的标准强化学习不同，DT将控制问题构建为序列建模问题。它接收过去的状态、动作和“剩余回报”（即仍需实现的累积奖励）组成的轨迹，并使用Transformer解码器以自回归方式预测下一个最优动作。
对于应急走廊规划，状态表征是多模态且高维的，包括：
- 时空网格数据： 映射到路网图表示中的实时及历史交通传感器读数。
- 应急上下文： 车辆类型（救护车、消防车）、优先级、起讫点对以及一天中的时间。
- 信号相位状态： 所有相关路口的当前状态和配时。
- 剩余回报： 一个动态递减的标量，代表仍需实现的目标行程时间缩减量。
该模型通常基于GPT-2或更小的Transformer架构，在形式为（状态₁, 动作₁, RTG₁, 状态₂, 动作₂, RTG₂, ...）的序列上进行训练。关键在于，RTG将模型条件化于期望的结果。在推理阶段，为了规划一条走廊，系统以当前状态和一个等于该路线历史平均行程时间的RTG进行初始化。模型随后生成一系列交通信号动作（例如，“在X路口将南北主干道绿灯延长12秒”），执行这些动作后，应能实现该RTG目标。
数个开源代码库正在引领这一应用。“Urban-DT” GitHub仓库（已获420名开发者星标）提供了一个基于SUMO（城市交通仿真）的仿真环境，以及一个专为交通信号控制定制的决策Transformer的PyTorch实现。最近的提交显示其已与SCATS和SCOOT等现实世界自适应交通系统集成。另一个值得注意的项目是“SafeCity-Learning”（850星标），它将离线强化学习范式扩展到应急车辆的多智能体协调，并融入了车与基础设施通信协议。
来自受控仿真的性能基准测试揭示了其效率提升：
| 模型 / 方法 | 应急行程时间平均缩减 | 常规交通延误增加 | 规划延迟 | 数据需求 |
|---|---|---|---|---|
| 决策Transformer (离线) | 34.2% | 1.8% | 120-280毫秒 | 6-12个月历史数据 |
| 在线深度Q网络 (强化学习) | 31.5% | 8.7% (训练期间) | 90毫秒 | 需要实时交互 |
| 传统优先通行 | 22.1% | 4.5% | <50毫秒 | 基于规则，无需学习 |
| 模型预测控制 | 27.8% | 3.1% | 500-2000毫秒 | 高保真仿真器 |
数据要点： 决策Transformer在缩短应急时间和最小化对常规交通干扰之间取得了最佳平衡。其主要优势在于，与在线强化学习相比，其在训练和部署期间的运营风险近乎为零，而在线强化学习在学习过程中会导致显著的临时延误。
关键参与者与案例研究
该研究前沿由学术界与工业界的合作引领。在卡内基梅隆大学，Mobility21 UTC项目与匹兹堡交通与基础设施部合作，利用该市500多个智能路口多年的交通数据，在仿真中测试了一个基于DT的原型系统。他们的方法不仅以交通数据为条件，还结合了来自UPMC医院的真实EMS调度数据。
在企业方面，Siemens Mobility已将类似的离线序列学习集成到其Sitraffic Scala/Concert平台中。与以往仅对检测到的应急车辆做出反应的自适应系统不同，其新的“预测性优先通行”模块采用受DT启发的规划器，在非高峰时段为常见应急路线预计算最优信号序列，并存储以备快速部署。Cubic Transportation Systems则通过其“GridFlow AI”产品采取了不同的策略，采用混合方法：DT提供基础计划，然后由一个更快速、更轻量的在线验证器进行优化，以检查实时异常。
一个关键的案例研究来自新加坡OneMonitoring交通管理中心的试点项目。新加坡-麻省理工学院研究与技术联盟的研究人员部署了一个DT模型，该模型使用东部地区高速公路监控系统18个月的数据进行训练。该模型的任务是为新加坡民防部队车辆规划通往高密度住宅区事故现场的走廊。结果令人瞩目：与现有的基于GPS的优先通行系统相比，晚高峰时段的平均响应时间缩短了28%。至关重要的是，该系统的计划是可解释的——交通工程师能够追溯模型为何选择在特定路口延迟某个相位。