/ 范围 ) 、路测障碍物、周边商辅 / 学校 / 医院认 流集散状态 当前时间 ( 区分工作日 / 节假日 ) 、路口经纬度、路口名称 / 编号、周边路网拓扑 周边大型活动信息、临时交通管制通知、突发公共事件影响范围、历史事故数据 导航 APP 出行需求数据、交管平台警力分布数据、公交公司公交车实时位置 / 到站信 数据用途说明 支撑违法抓拍、轨迹追踪、流量统计、 Al 行为研判 ● 接入 Al 全域感知系统的实时交通流数据 ( 各方向车流量、排队长度、行人密度 ) 、历史数据 ( 近 3 个月高峰 / 平峰流量规律 ) 、外部数据 ( 导航 APP 拥堵指数、临时交通管制信息 ) , □ Al 决策引擎： ● 短期预测算法：基于 LSTM 神经网络预测未来 1-5 分钟各车道车流量 ( 预测误差≤ 10%) ; ● 动态配时算法：基于强化学习 (DQN/PPO)

而言，频谱 共享与算力租赁带来年收入增长，而市政部门节省了传统感知设备采购预算，转 而投入网络维护与升级。挑战同样不容忽视，当前通感信号的自干扰抑制技术仍 需优化，5%的误报率就可能导致错误交通管制；跨运营商联邦学习模型的收敛 速度较慢，需设计更高效的参数交换协议。标准化进程亦面临压力，3GPP 需尽 快定义通感信号接口规范，避免厂商私有方案导致互通壁垒，同时建立跨行业数 据定价指南以平衡商业与公共利益。未来十年，随着