驻场 AI 工程(FDE) / 道路交通 · 港区作业 · 工程现场

把人工智能 部署进交通与工程现场

周行控制的工程师带着 AI 到现场。先摸清业务规则、现场数据与验收标准,再由大模型与 Agent 理解规则、自动建模、生成方案,经优化求解、仿真评估与安全校验后接入现场系统,交付可上线、可追溯、可验收的控制、调度与规划能力。

AI 生成的候选方案通过水平决策验证轨完成工程校验 三条灰色的 AI 候选方案分别在安全、容量和时间窗工位被拦截,一条蓝色水平通道通过全部验证并输出可执行决策。 AI 方案验证轨 3 道校验 / 1 个已验证输出 安全冲突 容量越界 时窗失败 01 02 03 现场状态 + 业务规则 已验证动作 控制 / 调度 / 计划
AI 生成的候选方案依次通过安全、容量与时间窗校验,只有验证通过的方案进入现场执行
  • R1 安全冲突
  • C2 容量越界
  • T3 时窗失败

AI 落地场景 / 交通控制 · 作业调度 · 养护规划

高约束现场的 AI 控制、调度与规划

适合状态持续变化、资源高度耦合、结果必须经过安全校验与性能评估的运营现场。AI 负责理解规则、生成方案,约束校验与仿真负责把关,只把验证通过的动作交给现场执行。

工程场景 道路交通控制

长距离单车道双向通行控制

综合车辆请求、路段占用、信号状态与安全保护逻辑,生成经过条件校验的方向放行与异常降级策略。

系统输出 放行方向 / 信号状态 / 安全锁定 / 降级策略
查看义龙庆工程案例

研究原型 港区车辆调度

港区散货车辆协同调度

围绕车辆、作业面、堆场与装卸资源的耦合关系,研究任务、路径与作业时序的联合优化及仿真验证。

原型输出 车辆任务 / 行驶路径 / 作业次序 / 策略对比
查看调度研究原型

可演示 县乡公路养护决策

病害清单到养护计划的编排

接过巡查识别出的病害清单,在路段等级、预算档位、施工窗口与交通管制约束下排出处置对策、队伍分工与工期,并逐条校验约束。

交付形态 处置对策 / 施工时序 / 约束校验 / 养护报告
查看养护编排演示

工程场景 义龙庆 / 单车道双向交通控制

义龙庆长距离单车道双向交通控制

针对长距离单车道双向共享与对向状态动态变化,构建感应请求、安全状态机、全红清空与异常降级机制,并对每次放行、拒绝和状态切换进行条件校验与过程记录。

工程对象
长距离单车道双向共享通行
关键约束
对向占用、清空时间与信号互锁
技术构成
感应请求、状态机与异常降级
交付形态
控制软件、仿真环境与决策日志
控制软件 / 安全状态 证据界面
义龙庆长距离单车道双向交通感应式信号控制软件界面,显示全红清空、安全锁定记录和最近控制决策
界面记录状态转换、授权条件与拒绝原因,支持运行审计与事件复盘。
仿真 / 候选验证 仿真评估
义龙庆交通仿真评估软件界面,对比基准、延长绿灯和高需求压力测试等候选方案
离散事件仿真用于候选策略对比与失效边界识别;图示结果不构成实路成效承诺。

项目形成的能力

形成状态感知、条件判定、信号授权、异常降级与日志审计组成的可验证交通控制闭环。

查看公开系统

驻场 AI 工程(FDE) / 诊断 · 原型 · 验证 · 接入

工程师带着 AI 进现场,
从真实问题做到上线验收

合作的第一步是驻场诊断,不是采购一套平台。工程师先到现场弄清业务规则、现场数据与验收标准;随后以 LLMAD 为智能内核,大模型与 Agent 负责理解规则、组织模型与生成候选,求解器、仿真环境和验证程序负责判断方案是否满足工程条件,验证通过后再接入现场系统。

驻场诊断
到现场梳理决策对象、业务规则、异常状态、数据接口与验收指标;不适合用 AI 解决的场景会直接说明

输出 / 场景评估、数据清单与验收指标

AI 建模与原型
大模型与 Agent 理解规则、自动建模并生成候选方案,求解器在安全、容量、时窗与预算约束下筛选

输出 / 形式化模型、候选方案与可运行原型

仿真验证
用离散事件仿真比较运行性能、资源冲突与失效边界,形成可复现的证据

输出 / 仿真环境、评估结果与边界条件

现场接入与验收
对接信号、传感与业务系统,设置安全锁定、降级策略与审计记录,按约定指标验收

输出 / 决策服务、执行接口、审计记录与验收报告

技术边界 / 大模型不直接裁决工程方案;可用性由显式约束、求解结果与验证证据共同决定

驻场诊断 → AI 建模 → 优化求解 → 仿真验证 → 现场接入

研究原型 宁波港区概念场景

港区散货车辆、泊位与装卸资源协同调度

围绕作业面、堆场、车辆、路线与时间窗的耦合关系,构建离散事件仿真与策略评估原型,对候选规则下的吞吐、等待、在途距离和约束冲突进行比较。

吞吐
单位时间完成量
等待
车辆与作业排队
违规
容量、时窗与资源冲突
打开调度研究原型

场景说明:基于宁波港区概念场景构建方法验证原型,不代表宁波舟山港或相关企业的委托、合作或实际部署。

港区散货车辆调度概念场景 抽象港区中包含作业面、堆场、装载点和多条候选车辆路线,蓝线表示通过验证的调度路线。 堆场装载 路由作业面
场景样本 / 候选路径 / 外部指标

可演示 县乡公路养护决策

从巡查病害到可执行的养护计划

巡查照片带定位上传,识别系统给出病害类型与严重度;养护侧接过这份病害清单,结合路段等级、预算档位、施工窗口与交通管制要求,排出处置对策、队伍分工与工期,并逐条校验约束是否满足。

病害识别是状态输入,不是养护决策本体。两侧之间是一份明确的接入契约:点位编号、病害类型、严重度、影响尺寸、定位与照片引用。已有识别系统可以直接对接,不必重做。

预约养护编排演示

演示用的点位、现场底数与单价均为示意数据;本演示不含数学规划求解器,计划由语言模型生成并做完整性校验。

驻场评估 / 从一个真实场景开始

从一个真实场景开始,先做驻场评估。

提供一个真实的控制、调度或规划场景,以及现行规则、数据样例和评价指标。工程师先判断它是否适合用 AI 建模与验证,再明确原型范围、技术路径、驻场安排与验收方式。

  • 决策对象与边界
  • 现行规则与异常
  • 数据接口样例
  • 评价指标与验收