交通运营 AI 工具
TrafficOps 通过产品 API、平台工具、AI Engine 预测和仿真服务，以及审阅工作流提供 AI 辅助能力。目标是帮助运营人员理解拥堵风险、对比场景选项、准备行动计划，并保留可追溯决策证据。
当实施团队需要了解 TrafficOps 哪些界面可被应用或经过授权的 Agent 工作流调用、哪些输出需要审阅，以及如何结合 DFS、仿真、Inspector 和 ECM 时，请使用本页。
工具层
| 层级 | 主要用户 | 访问边界 | 输出类型 |
|---|---|---|---|
/api/v1/trafficops/* 产品 API | TrafficOps UI 和已批准的后端工作流 | TrafficOps 模块启用状态和产品权限 | 仪表盘、队列、快照、流量 KPI、事件、设备状态、规则、报表、工作流动作和仿真记录 |
| 平台工具 | 已批准的 Agent 工作流 | 工具框架权限和租户范围内的知识图谱访问 | 用于检查站审阅的 analyze_traffic_flow 与 predict_wait_time 输出 |
| AI Engine TrafficOps 服务 | 产品服务和受控后端任务 | 服务认证和项目配置 | 预测、主动预警、监控状态、what-if 对比、优化、校准和场景分析 |
| DES/DAG 仿真 | 运营规划人员和仿真审阅人员 | 仿真权限、引擎可用性和场景输入验证 | 运行结果、队列指标、吞吐、等待时间、瓶颈、回放/导出数据和场景对比 |
| DFS | 数据负责人和集成团队 | DFS 连接器、映射、数据集和质量审阅权限 | 已准备的到达、队列、事件、设备、人员、排班和布局数据集 |
| ECM 与工作流 | 运营负责人和审阅人员 | 文档和工作流权限 | 事件报告、what-if 文档、行动计划状态和审阅证据 |
向 Agent 工作流开放前，应在目标环境中发现运行时工具可用性。
推荐 AI 辅助流程
平台工具
平台工具框架当前暴露以下 TrafficOps 工具：
| 工具 | 用途 | 输入 | 需要审阅的输出 |
|---|---|---|---|
analyze_traffic_flow | 基于检查站身份和关联通道上下文分析交通流。 | checkpointId，可选 period。 | 检查站 ID、关联通道数量、周期、交通摘要、瓶颈通道和建议。 |
predict_wait_time | 针对检查站或通道，在选定预测范围内预测等待时间。 | checkpointId，可选 laneId，可选 horizonMinutes。 | 预测时间线、等待时间值、置信度、模型标识、检查站 ID 和提供时的通道 ID。 |
这些工具用于审阅和决策支持。调用方应保留检查站、时间窗口、输入参数、源数据状态和审阅决定。
AI Engine 服务
TrafficOps AI Engine 服务支持预测、场景对比、优化、校准和仿真：
| 服务区域 | 示例 endpoint | 审阅重点 |
|---|---|---|
| 预测与模式分析 | /ai/trafficops/forecast, /ai/trafficops/patterns, /ai/trafficops/proactive-alerts | 预测窗口、检查站、SLA 阈值、需求模式、预警触发和源数据新鲜度。 |
| 监控工作流 | /ai/trafficops/monitor, /ai/trafficops/monitor/scenarios, /ai/trafficops/monitor/approve, /ai/trafficops/monitor/dismiss | 当前风险状态、拟议行动、审阅决定和行动计划状态。 |
| What-if 对比 | /ai/trafficops/what-if, /ai/whatif/run, /ai/whatif/batch, /ai/whatif/submit | 基线、覆盖参数、引擎类型、对比指标、置信度和运行状态。 |
| 优化 | /ai/trafficops/optimize, /ai/optimize/trafficops | 预算、单位人员成本、主 KPI、Pareto 选项和选定建议。 |
| 校准 | /ai/trafficops/calibrate, /ai/trafficops/calibration/status, /ai/trafficops/calibration/drift, /ai/trafficops/calibration/history | 校准范围、数据天数、漂移状态、调度器状态和模型更新历史。 |
| DES/DAG 仿真 | /ai/des/run, /ai/des/batch-run, /ai/des/runs, /ai/des/runs/{runId}, /ai/des/runs/{runId}/export, /ai/des/runs/{runId}/replay.ndjson | 场景类型、场景 ID、仿真时长、重复次数、人员排班、故障配置、回放和导出包。 |
| 场景包与道路网络 | /ai/packages/{package_key}/scenes, /ai/packages/{package_key}/roads/*, /ai/packages/{package_key}/whatif/*, /ai/packages/{package_key}/simulate | 场景包启用状态、场景定义、路线图、预设、仿真输入和结果解释。 |
| 布局导入 | /ai/cad-import/*, /ai/packages/{package_key}/dxf/import | 导入布局、识别实体、图层提示、仿真准备状态和审阅负责人。 |
只启用符合项目范围和数据准备状态的服务。场景假设和结果解释应保存在审阅记录中。
数据准备
TrafficOps AI 辅助能力依赖可审阅的数据包：
| 数据 | 重要性 |
|---|---|
| 检查站与通道身份 | 把仪表盘、工具、快照、路线、仿真和行动计划连接到同一运营对象。 |
| 到达与队列历史 | 为预测和 what-if 分析提供需求、等待时间和吞吐上下文。 |
| 人员与排班数据 | 驱动容量、班次规划、优化和行动可行性分析。 |
| 事件与密度记录 | 为响应规划提供安全、拥堵和回放上下文。 |
| 设备健康与配置 | 连接服务时间假设、通道可用性、灵敏度和维护规划。 |
| 布局与路线图 | 在启用时支持场景审阅、CAD/DXF 导入、DES/DAG 仿真和道路网络分析。 |
| 规则与 SLA 目标 | 定义预警、监控工作流、报表和行动审批使用的阈值。 |
开放自动审阅前，请先使用 Data Fusion Services 和 DFS 快速开始。
场景与仿真指南
当团队需要在变更运营前对比方案时，使用 what-if 和 DES/DAG 仿真：
| 场景类型 | 常见输入 | 需要审阅的输出 |
|---|---|---|
| 人员调整 | 检查站、人员数量、单位人员成本、班次窗口、目标 KPI。 | 平均等待、P95 等待、吞吐、队列规模和成本权衡。 |
| 通道或检查站容量 | 通道数量、服务时间、方向、开闭状态、故障假设。 | 瓶颈转移、利用率、等待分布和通道影响。 |
| 车辆或货检事件 | 事件位置、受影响通道、持续时间、需求窗口。 | 队列增长、预期恢复、受影响吞吐和响应选项。 |
| 密度拥挤 | 密度阈值、平面网格、所选时间窗口。 | 红黄单元、事件关联、响应说明和回放证据。 |
| 多区域扰动 | 区域、路线、事件时间线、韧性假设。 | 区域 KPI 变化、时间线和跨区域影响。 |
仿真输出用于规划，应结合本地约束、人员规则和现场负责人判断后再行动。
建议的 Agent 回答结构
当 AI 助手总结 TrafficOps 风险时，建议使用稳定格式：
| 部分 | 内容 |
|---|---|
| 范围 | 租户、站点、设施、检查站、通道、方向、时间窗口和选定流量。 |
| 当前状态 | 吞吐、队列长度、平均等待、P95 等待、利用率、事件、密度和 SLA 状态。 |
| 证据 | 源记录、通道快照、到达历史、人员排班、仿真输入、事件说明和工具输出。 |
| 选项 | 按优先级排列的人员、通道、事件或维护选项，并附预期影响和假设。 |
| 交接 | 行动计划、事件任务、报表、工单或现场核验请求。 |
验证清单
- 工作流运行在正确的租户、站点、检查站、通道、方向和时间窗口下。
- 调用方具备读取、仿真、报表、工作流或写入动作所需权限。
- 检查站、通道、到达、队列、人员、设备、事件和路线 ID 解析到同一运营模型。
- 预测或 what-if 输出包含输入参数、时间窗口、场景假设，以及可用时的置信度或运行元数据。
- 建议标明行动负责人，并在批准前保持审阅状态。
- 任何通道、人员、事件或维护行动都记录决策状态和反馈。
- 用于交接的报表、导出文件、回放文件或 ECM 文档随运营审阅包保存。