TrafficClaw：基于统一物理建模，打造可进化的“城市交通大脑”

TL;DR

在城市交通这个精密的仪器中，信号灯的调节、公交的排班、高速口的启闭并非独立存在。本文介绍的 TrafficClaw 突破了传统单一任务控制的局限，首次将异构交通子系统放进同一个“物理运行时环境”进行协同建模。凭借 LLM 的代码执行能力、程序化时空记忆以及系统级强化学习，TrafficClaw 在仅 8B 的参数量下，展现出了超越闭源大模型的全网调度能力。

1. 痛点：被孤立的“交通孤岛”

长期以来，交通控制领域的研究被割裂在不同的子系统中：

• 信号灯控制 (TSC) 关注路口吞吐量。
• 公交调度 (Bus Scheduling) 关注乘客等待时间和运营成本。
• 高速匝道控制 (Ramp Metering) 关注主线车速。

这种任务孤立 (Task-Isolation) 带来了一个致命问题：在一个共享物理设施的城市中，公交班次的增加会直接改变路口的排队分布，而高速口的限流会把压力传导至地面道路。现有的 RL 方法往往通过繁琐的 Reward Engineering 来强行适配，但换一个城市（泛化性差）或换一种任务组合（灵活性差）就彻底失效。

2. 核心架构：像人类专家一样思考与记忆

TrafficClaw 的核心在于它不再只是一个“分类器”，而是一个拥有手、脑和记忆的 Runtime Agent。

2.1 统一物理环境 (Unified Physical Environment)

作者构建了一个集成了 20 种静态数据、98 种动态特征和 15 个可直接调用的执行 API 的环境。它模拟了真实的出行需求（基于重力模型和家庭出行调查），确保不同交通方式在同一个物理层面上竞争和补给。

2.2 可执行时空推理 (Executable Reasoning)

不同于传统的特征编码，TrafficClaw 通过生成 Python 代码 来分析数据。

• 空间分析 (Φspace)：捕捉路网拓扑。
• 反馈闭环：生成的动作会先进行“模拟演练”，通过实时反馈修正策略。

图 1: TrafficClaw 框架总览，展示了感知-分析-执行-反馈的闭环

2.3 时空记忆管理 (ST-Memory)

这是 TrafficClaw 能够“自进化”的关键。

• ESCC (情景缓存)：在单次任务中存储中间分析结果，避免重复计算。
• PSM (程序化记忆)：跨 Episode 沉淀知识（如：早高峰期间信号灯与公交排班的耦合规律）。通过“失败案例”和“成功模式”的自省，Agent 能在未见过的任务（如地铁调度）中快速迁移经验。

3. 实验战绩：以小博大的通用性

实验在纽约（曼哈顿与皇后区）进行，涵盖了 5 种在域和离域任务。

3.1 性能跨越

即便使用 Qwen3-8B 作为底座，TrafficClaw 的表现也显著优于专门设计的 TrafficGPT，并在多项指标上追平甚至超越了 o4-mini 和 Gemini-3.1-Pro。在 Out-of-domain (未见过) 的地铁调度任务中，TrafficClaw 展示了极强的适应性。

图 2: 不同场景下的相对性能提升，TrafficClaw 在各类任务中均保持稳定高位

3.2 协同的魔力：拒绝“按下葫芦浮起瓢”

在 Bus-Signal (公交-信号灯) 协同实验中，TrafficClaw 发现了深层逻辑：通过优化信号灯相位配合公交到站，可以在不增加乘客等待时间的前提下，显著降低公交的频繁启停，从而减少燃油消耗。

4. 深度洞察：为什么这种范式有效？

1. 代码即策略：LLM 强大的 Code-generation 能力让 Agent 可以根据具体路况动态构建逻辑，而非死记硬背权重。
2. GRPO 强化学习的对齐作用：通过系统级的奖励函数（R_env + R_coord），Agent 学会了在冲突目标（如：公交服务质量 vs 燃油经济性）中取得帕累托最优平衡。
3. 记忆的累积效应：随着交互迭代，Agent 的程序化记忆库越来越厚（见图 5），这使得它能够跳出“对即时状态的条件反射”，进入“基于模式的策略执行”。

5. 局限与未来

尽管 TrafficClaw 表现优异，但它对仿真器（如 SUMO）的调用频率较高，推理成本和响应延迟仍是实时部署的阻碍。未来的方向可能在于如何将这些复杂的交互经验，蒸馏到轻量级的专用模型中，实现微秒级的全网预测与控制。

总结： TrafficClaw 不仅仅是一个交通工具，它展示了 LLM 在处理具有强物理约束、多目标冲突的复杂动力系统时，通过“统一建模”所能爆发出的通用智能潜力。