一文解码百度地图AI超视距感知红绿灯倒计时

你是否曾在路口紧盯红灯，心中反复计算还剩多少秒？

你是否刚加速冲过路口，却懊恼发现绿灯在眼前瞬间跳红？

你是否困在望不到头的车队中，看着绿灯一次次亮起，却始终轮不到自己通行？

这些看似零散的“等待焦虑”，实则是城市交通的“暗伤”。近期我们在部分车企上上线了百度地图 AI 超视距感知红绿灯倒计时功能。该功能目前覆盖全国近3000区县超百万个红绿灯，车主使用百度地图导航，并经过信号灯路口时，可以看到红绿灯变灯剩余秒数，也会在倒计时结束前收到语音播报，提醒做好启停准备，从而避免急加速、急减速，还可缓解信号灯被前车遮挡时的焦虑。

更值得一提的是，依托百度地图强大的 AI 超视距感知能力，该功能还能结合实时路况和车速，智能提供绿波车速建议，助力驾驶者实现“一路绿灯”畅行，提升出行效率和驾车舒适度。

百度地图 AI 超视距感知红绿灯倒计时功能的背后有哪些奥秘？

【AI 地图 Tech 说】第一期将为你详细揭秘！

红绿灯倒计时-数据来源

百度地图红绿灯倒计时数据有两种来源，结合先进的 AI 超视距感知技术，实现精准且实时的信号灯倒计时服务。

▎来源一：大数据计算红绿灯倒计时

数据来源：脱敏的位置服务数据；道路拓扑结构数据；信号灯准静态数据（即，信号灯相关的一般不会发生变动的信息，包括：信号灯的空间位置数据、信号灯控制的进口道车道及流向信息等。

数据算法：百度地图基于海量的脱敏位置服务数据，计算得出每个路口信号灯的周期时长和绿信比；利用强大的 AI 算法，基于路口不同方向进口道的历史车流数据，挖掘信号灯灯色的切换时间点，综合以上两类数据得到实时的倒计时读秒。

▎来源二：权威接入红绿灯倒计时

数据来源：路口静态数据；公安交通管理部门的交通信号控制平台或交通信号控制机。

应用技术：各地公安交通管理部门通过网络数据接口方式与百度地图对接，将交通信号控制平台或交通信号控制机的信号灯倒计时数据，通过数据摆渡的方式从专网过网络边界传输到百度地图。百度地图再通过动态补偿、系统对时等算法和技术能力，消除实际信号灯灯态和百度地图 APP 中显示信号灯灯态的延迟，将信号灯灯态精准实时传输给百度地图的用户。

红绿灯倒计时-技术实现

百度地图基于海量脱敏位置服务数据，结合静态道路拓扑结构，能够精准计算出红绿灯信号机的底层配时方案数据。这些数据涵盖信号机方案的切换具体时间点，以及每个时间段内的红灯、绿灯、黄灯时长和总周期等信息。同时，百度地图还能挖掘出路口内的放行规律，例如某个十字路口的东西方向是单口放行、对向放行还是搭接放行。随着北斗高精定位技术以及大模型算法能力的不断提升，百度地图在 AI 超视距感知红绿灯倒计时方面已实现分秒不差的精准预测。

以驾驶场景为例，当用户行驶至红绿灯路口时，百度地图会依据机器学习挖掘出的红绿灯规律，结合实时挖掘的路况、车辆速度等信息，将其输入自研的交通大模型。该大模型能够实时计算出当前红绿灯的读秒，并通过导航软件展示给用户。这种交通大模型能力的技术原理，类似强化学习的技术思路，结合了实时交通流脱敏数据，利用机器学习模型，进一步提升了倒计时挖掘的精准度和覆盖率。此外，除了挖掘倒计时外，百度地图在西安等城市还接入了合作提供的实时红绿灯信息。再结合视觉大模型的多模态能力，百度地图进一步扩大了倒计时读秒挖掘能力的覆盖范围，并提高了精度。

红绿灯倒计时-高阶应用

传统交通信号灯的固定配时模式，已难以适应动态变化的交通流量，导致车辆在路口频繁停车等待，不仅浪费时间和能源，还加重了环境污染。针对这一痛点，百度地图基于 AI 超视距感知红绿灯倒计时技术，创新推出智能路口导航绿波引导方案。

该方案通过先进的 AI 算法和大数据挖掘，精准识别并预测道路上的绿波带信息，并通过导航产品透传给用户，使车辆在特定路段上能够以稳定速度行驶，一路绿灯畅行。该功能基于用户当前位置，行驶速度，路线，红绿灯倒计时，路况等信息，预测用户能否绿灯通过红绿灯路口，根据连续绿灯通过的路口数区分了干线绿波和路口绿波。

干线绿波：可连续绿灯通过至少2个路口，并在每个路段提供车速建议帮助用户绿灯通过更多路口，提升出行效率。

路口绿波：基于 AI 超视距感知，超前提示用户可绿灯通过前方单个红绿灯路口，有效缓解驾驶者因视线受阻或信号灯状态不明带来的等待焦虑。

红绿灯倒计时-技术亮点

▎亮点1：交通流感知与预测大模型

技术原理：基于多模态的情报输入和海量历史交通数据，喂给交通大模型进行未来的路况预测，同时结合脱敏位置服务数据相互校验提升倒计时准确率，当前车辆的真实通过路口耗时，也提供交通大模型做训练真值，让模型越来越聪明。

技术链路：

大模型预训练：定期基于海量历史交通数据，训练以速度预测为核心优化目标的交通大模型底座。

多模态输入：基于一定范围的轨迹、图像、磁感线圈等识别当前自车的速度、位置和周边环境的实时交通状况。

交通流感知与预测：将当前的多模态输入信息结合当前的日期和时间，一同喂给交通大模型，交通大模型给出未来车流速度与对当前车辆通过情况的预测。

交通大模型的原理和的多下游应用

▎亮点2：路口配时方案挖掘

技术原理：路口交通信号灯的关键要素包括“总周期、绿信比、相序、相位差”等，而不同路口内的放行方式如“单口放行、搭接放行、对向放行”等也各有特点。百度地图依托强大的 AI 超视距感知能力，通过对单个路口内全相位全交通要素的深度挖掘，实现了城市交通信号灯的“全知”状态。

技术链路：

单路口配时方案挖掘：通过不同时间段挖掘单路口内的各个流向的灯（例如十字路口含有四个进口道八个流向为主），获取其总周期、红绿周期等信息，该八个流向非单独作用，而是相互关联和制约的整体（例如协调方向南北向放行时间内东西向非协调方向一定为红灯），因此互相校验可获取更精准的路口环图（交通工程领域展现路口配时方案的图示）。

多路口同时挖掘：在部分区域和路段，不同路口之间也会有绿波协调关系，通过挖掘路口和路口之间的相位差等关系，可校验不同路口之间配时方案的精准程度，由点到面进一步提升城市交通整体的挖掘实时性和合理性。同时挖掘路口间相位差等可提升用户绿波的覆盖率和准确率产品体验。