01
Modeling
真实路网数字化建模
把道路、车道、交叉口、连接器、检测器、信号控制与交通需求组织成可运行的仿真工程。对工程用户来说，建模不是一次性画图，而是形成可以复用、校核、归档和版本管理的实验底座。- 支持路网拓扑、车道连接、信号方案、检测器和交通需求配置。
- 面向真实项目保留参数、假设和版本信息，便于复盘。
- 适合承接城市片区、交叉口、高速走廊和数字孪生路网。
01建模底座
02仿真运行
03指标证据
04AI 训练
02
Simulation
宏微观一体化交通仿真
TASP 的重点不是只看局部车辆运行，而是让城市级需求、路径选择、路网阻抗与车道级跟驰换道、信号响应和瓶颈传播保持同源计算。- 宏观层处理 OD 需求、路径选择、网络阻抗和供需变化。
- 微观层刻画车辆运行、排队溢出、信号响应和瓶颈扩散。
- 仿真结果反向修正分配假设，形成方案迭代闭环。
03
Experiment
多场景交通实验编排
交通方案通常不是一次仿真就能判断，需要比较不同需求、扰动、策略和随机种子。TASP 将实验配置组织成批量任务，让场景推演更接近真实评审过程。- 支持信号配时、匝道控制、可变限速、事故施工和 CAV 协同等场景。
- 支持多参数、多方案、多随机种子的批量运行。
- 适合科研实验、课程教学、方案评审和项目交付。
04
Evaluation
方案指标评估与对比分析
把复杂交通运行过程转化为有据可依的指标结论，让管理方、设计方、研究团队能够基于同一套口径比较方案。- 围绕延误、排队、速度、行程时间、吞吐量和停车次数输出指标。
- 支持对不同交通组织、信号策略和管控措施做并列对比。
- 将关键图表、过程记录和结论沉淀为可交付资料。
05
AI Native
AI 算法训练与仿真优化
通过 PyTASP 与仿真运行时，TASP 将交通仿真变成算法可以高频调用的计算服务，用于强化学习、多智能体控制和交通优化实验。- 形成状态读取、动作下发、仿真反馈、策略更新的闭环。
- 支持强化学习、多智能体控制、贝叶斯优化和遗传算法等流程接入。
- 让 Agent 能在可控、可复现的仿真环境中推演和执行策略。
06
Platform
智能协作与实验成果输出
TASP 的长期方向是让人、AI Agent 与仿真工具协同完成实验。场景生成、任务运行、指标解释、方案建议和成果归档都应成为平台工作流的一部分。- 支持项目文件、任务管理、多人协作和结果归档的工程化组织。
- 预留 Copilot / Agent 参与建模、运行、解释和报告生成的产品路径。
- 服务科研、教学、方案评审、数字孪生和系统集成交付。
Start with TASP