智能交通基础模型：语义-物理双状态空间的推理框架

论文题目：TRIP: Transport reasoning with intelligence progression—A foundation framework 

第一作者：刘志远 东南大学统计与数据科学学院教授，连续4年入选“爱思唯尔中国高被引学者”、“全球前2%顶尖科学家”。主要研究领域包括交通大数据分析、交通网络规划与管理、多模式网络与公交建模、交通系统仿真等。

E-mail：zhiyuanl@seu.edu.cn

通讯作者：Shaoweihua Liu 东南大学毕业生，就职于浙江交通投资集团，研究聚焦交通大数据分析、大语言模型等，

E-mail：liushaoweihua@cncico.com

智能交通基础模型：语义-物理双状态空间的推理框架

论文摘要

该论文讨论了智能交通系统发展中存在的三大瓶颈：状态表示不完整 、多源知识融合不足以及跨尺度决策优化困难。作者提出基于双状态空间（Dual State Space） 的TRIP框架，将交通系统的状态分解为连续的物理状态与离散的语义状态，通过可学习映射在两者之间建立双向联系。框架利用大语言模型的语义理解能力与世界模型的物理预测能力，采用分层强化学习实现渐进式推理，由高层语义理解过渡到低层物理行动。核心贡献包括：提出跨模态对齐策略，确保物理–语义状态一致；设计分级推理机制，使决策既符合场景语义又满足物理约束；构建可扩展的双状态建模方法，并提供稳定性与可解释性理论保障。实验在信号控制和路线规划中验证了框架优于传统方法，证明了其应用潜力。

一、研究背景与问题

1.1 智能交通的挑战

• 状态表示单一：现有智能交通系统多依赖速度、流量等物理数据，忽视事故、管制等语义信息，导致对交通情境的理解不全面。
• 知识融合薄弱：多源异质数据和专家知识难以融合，现有方法存在可解释性差、泛化性不足等问题。
• 决策难以分层优化：现有控制策略通常单层优化，难以协调宏观策略与微观行动。
• 大模型与交通的鸿沟：大语言模型擅长语义推理，但难以处理物理约束；世界模型重视物理精确性，却缺乏高层语义理解。如何将二者结合，是交通建模的关键问题。

1.2 研究目标

• 定义交通系统的最小粒度并建立统一的状态表示，使模型既能捕捉连续的物理动态，又能描述离散的语义事件。
• 提出一种跨模态对齐与渐进推理的理论框架，能够将大语言模型的语义理解与世界模型的物理预测结合起来，实现实时、可解释的交通控制。

二、双状态空间理论

2.1 物理状态空间

物理状态空间  用向量描述与交通相关的可测物理量，如车辆的位置、速度、加速度、道路流量和密度。对任意时刻 ，物理状态向量为

其中各符号表示具体物理变量。物理状态空间具有可观测性与连续性，可以直接从传感器测量或通过估计得到。

2.2 语义状态空间

语义状态空间  用离散集合描述交通中的抽象属性，如事故类型、道路状况、交通法规、管理策略等。所有可能组合构成全集 ，受领域约束得到实际语义状态空间：

语义状态由四元组  表示，分别对应事件类型、条件描述、法规和策略。

2.3 双状态空间与映射

为克服传统模型的物理–语义割裂，作者提出双状态空间 ，借助可学习映射将物理状态与语义状态投影到统一的嵌入空间。映射定义如下：

• 物理映射：满足唯一性和 Lipschitz 连续性

  保证物理状态间距离在嵌入空间中保持比例。

• 语义映射：满足类似条件

  使语义相似的状态在嵌入空间中靠近。

  这些映射保证了跨模态一致性与可分性，使得在  中既能保留原有信息，又能进行融合和决策。

2.4 认知框架示意

下图展示了双状态空间及其决策流程示意：从传感器采集物理状态与文本、事件分析获取语义状态，经映射后形成统一的双状态表示，再通过层级奖励机制产生决策。

图1形象地展示了物理–语义空间映射、双状态交互及多层奖励体系。

三、渐进式推理与协同决策机制

3.1 分层动作空间

为了处理不同尺度的交通决策，TRIP将动作空间分为高层策略 、中层策略  和低层控制 ，三层组合构成整体动作空间 。各层作用：

• 高层策略：侧重语义决策，制定全局交通策略，如事故避让或公共交通优先。
• 中层策略：结合双状态，负责区域策略落地，如调整某路段信号时长。
• 低层控制：基于实时物理状态进行具体控制，如改变某个信号灯绿灯时间。

3.2 层级策略优化

各层通过强化学习分别优化累积收益函数：

其中  为双状态， 是折扣因子。通过跨层信息传递函数 、，高层策略指导中层，再由中层指导底层控制。

3.3 五种决策融合策略

作者探讨了将大型语言模型（LLM）与马尔可夫决策过程（MDP）融合的五种策略：

• 概率选择策略：以概率  在LLM和MDP动作间选择，适用于非稳定环境；
• 动作集筛选：LLM生成合法动作集合，MDP在集合中择优，缩小搜索空间，提高效率；
• 动作接受/拒绝：MDP提出动作，LLM根据语义约束决定是否接受，保障安全；
• 双重批评者：在Actor–Critic框架中加入LLM作为第二批评者，利用语义反馈提升策略学习；
• 宏动作细化：LLM生成宏观策略，MDP再细化为具体执行步骤，实现实时热启动。

这五种策略各有侧重，既保证语义丰富性，又确保物理可行性。

下图展示了这五种策略在论文中的示意图：

3.4 渐进式推理框架

综合双状态表征与层级决策，TRIP构建了从感知到预测再到行动的渐进推理流程。下图显示了双状态空间的层次结构和决策流程：左侧是语义与物理状态映射，右侧是宏观—中观—微观的决策层级。

四、实验设计与结果分析

4.1 实验场景与流程

作者在 SUMO 仿真平台中构建了两个实验：单路口信号控制和车辆路径规划。整体流程如图所示，包含数据采集、状态编码、LLM 推理、RL 模型选择与动作融合：

在信号控制实验中，系统每一步收集当前相位、各车道排队车辆数、平均等待时间等物理状态，并与前50步历史动作组合成提示词输入 LLM，得到 JSON 格式建议；同时 DQN 控制器根据物理状态独立选择动作，最终以 90%/10%的概率融合 RL 和 LLM 动作。

在路线规划实验中，TRIP 用于实时决策车辆在交叉口的转向，通过接口将道路拓扑和OD信息转化为自然语言提示，指导 LLM 生成候选路径，再由 DQN 结合物理状态选择合适路径。

4.2 结果分析

信号控制实验比较了基线 DQN 与朴素 TRIP 的性能。结果显示，TRIP 在 1000 步内的总等待时间明显低于基线，并且收敛速度更快。下图展示了平均等待时间随时间变化的曲线：

路线规划实验测量了训练过程的平均损失。TRIP 的损失收敛更快且稳定，最终损失比基线低 60% 左右。图6展示了平均损失曲线：

作者指出，TRIP 的改进得益于引入优先经验回放与双 Q 学习，以及 GNN 对道路拓扑的嵌入，并结合注意力机制聚焦拥堵路段。这些技术保证了模型的长期稳健性并提升路径规划的精度。

五、结论与创新亮点

5.1 核心结论

• 提出双状态空间理论，为交通系统构建了统一的物理–语义状态表示，并通过可学习映射保证了跨模态一致性与可解释性。
• 构建双状态编码与融合方法，利用 Transformer 模型实现物理与语义信息的深度融合。
• 设计分层渐进协同决策机制，模拟专家由宏观到微观的推理过程，实现宏观优化与微观调整的结合。
• 通过实验验证了 TRIP 在信号控制和路线规划方面的优越性，表明该框架能够提高交通系统效率、稳定性和安全性。

5.2 创新与展望

• 理论创新：首次从测度论视角提出交通系统的双状态空间定义，解决了连续空间与离散语义的统一表示问题，为后续模型研究提供了基础。
• 方法创新：提出跨模态对齐、渐进式推理和分层决策的全流程框架，提出五种 LLM 与 MDP 融合策略，可推广到其他复杂系统。
• 实用价值：在 SUMO 环境中验证了框架的有效性，显示出在实时信号控制和路径规划中的应用潜力。未来可拓展到多车辆协同、事件管理等更复杂场景，并在边缘计算环境下实现轻量化部署。

综上，TRIP 框架为智能交通管理提供了一种全新的思路。它在理论上弥合了物理与语义的鸿沟，在方法上实现了大语言模型与世界模型的协同，在实践上展示了提升系统效率和安全性的潜力。未来研究可在模型精度、多目标优化和部署效率等方面进一步深化。

原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。