2026年7月3日，第一届国际工程智能学术前沿与产业发展高峰论坛暨国际工程智能大赛颁奖盛典在同济大学张江基地举行。会上，首届国际工程智能大赛交通工程赛道获奖名单正式公布。Magic Lab参赛团队表现优异，“TJJT粒流协同”团队荣获最佳创新奖（第1名），“MAGIC粒流”团队荣获最佳应用奖（第2名），成功包揽该赛道冠亚军。
课题组团队代表领奖
课题组团队奖状展示
本届国际工程智能大赛由同济大学工程智能研究院与阿里云计算有限公司联合主办，于2025年11月至2026年7月举办。交通工程赛道以“面向高韧性交通系统的智能粒流协同挑战赛”为主题，聚焦人工智能技术赋能复杂交通系统协同控制，探索面向真实城市交通场景的智能化解决方案。赛事吸引了来自全国高校、科研机构及企业的179支团队参与。经过初赛、复赛和决赛三个阶段的激烈角逐，各参赛团队围绕交通系统智能感知、协同决策与优化控制等关键问题展开竞争，最终评选产生赛道前三名获奖团队。
针对高密度、高动态交通环境下系统运行韧性提升需求，Magic Lab团队围绕智能交通协同控制开展创新探索。其中，“TJJT粒流协同”团队的马君涵、胡月海、朱俊宇同学在苏子诚副教授的指导下面向城市快速路多信控节点、多需求场景下的粒流协同控制问题，构建出“规则-学习-大模型”三层协同控制框架：设计精细化底层规则为稳健控制器，针对关键交叉口、进口匝道和出口匝道设计差异化控制逻辑；进一步采用交叉熵强化学习对关键交叉口绿信比进行全局寻优，形成多场景基线控制策略；同时引入大语言模型融合实时交通状态、历史经验与约束规则，对控制参数进行动态修正。实验结果表明，该方法能够显著提升快速路通行效率，降低车辆运行时间与控制干预成本，实现宏观交通流调度与微观车辆引导的协同优化，具备较好的工程应用价值。
大语言模型增强的规则与学习双驱动粒流协同算法
“MAGIC粒流”团队的唐铭谦、胡旻悦、马若轩同学在俞春辉副教授的指导下面向城市快速路、匝道与地面道路耦合场景，针对匝道合流、高地衔接等多类型交通瓶颈，聚焦多智能体强化学习技术在实际交通场景中的应用需求，构建了数模融合驱动的粒流协同控制方法：一方面，结合交通工程机理模型，对部分瓶颈点采用基于规则的调控，提升策略可解释性与执行稳定性；另一方面，引入数据驱动的多智能体强化学习方法，协同优化多个合流点的信号相位，形成面向多需求场景的智能信控策略。实验结果表明，该方法能够显著提升快速路通行效率，降低系统积压与拥堵持续时间，在不同需求水平下保持稳定收益，实现信号控“流”与车辆控“粒”的协同优化，具备较好的鲁棒性与工程应用价值。
面向多类型瓶颈的数模融合驱动的粒流协同控制算法
此次获奖充分彰显了Magic Lab课题组在智能网联交通控制、人工智能与交通系统交叉融合领域的科研创新能力与实践落地实力。长期以来，课题组深耕人工智能赋能交通领域，持续聚焦智能粒流协同、交通系统优化、多智能体决策等核心方向，坚持以赛促学、以赛促研，不断突破技术难点、打磨落地成果。未来，课题组将持续响应国家“人工智能+交通运输”战略发展需求，深耕前沿交叉科研探索，积极推进产学研融合创新，持续挖掘智能交通技术应用新场景、新路径，致力于研发更多适配城市交通发展的智能化解决方案，为智慧交通高质量发展注入新活力。
