使用数字孪生与智能体AI进行实时决策的自主交通信号优化

本文概述了一种新的交通灯优化框架：通过交通基础设施的数字孪生，并由智能体AI管理以确保实时自主决策。该框架依靠物理传感器和边缘计算来测量实时交通信息，并在持续更新的数字孪生中模拟交通流。交通灯通过数字孪生根据交通拥堵、出行延迟和交通模式自动控制。该方法实现为三层系统：感知、概念化和行动。感知层接收物理系统的数据；概念化层使用LangChain处理数据；行动层连接Model Context Protocol（MCP）和交通管理API，以实现优化的交通信号控制算法。结果表明，该框架能最小化交通灯处的等待时间，并对整个交通流的效率产生积极影响，优于固定配时和基于强化学习的基线。