近日，丝绸之路信息港公司（甘肃省数据集团）研发团队在智慧交通领域取得重要突破，大幅降低路口现有车辆事故发生概率95%以上，其研究成果《CFLight：基于反事实学习的安全交通信号控制方法》通过严格评审，成功被国际数据挖掘顶级会议KDD2026录用。KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）作为数据挖掘与人工智能领域最具影响力的A类国际顶会，以其极高的录用标准和权威性享有盛誉。
论文的成功入选，标志着信息港公司在智慧交通AI安全控制方向的原创性研究成果再次获得国际顶级学术界的高度认可。论文将于2026年8月韩国济州会议期间面向全球正式展示。
当前，人工智能技术在城市交通信号控制（TSC）领域的应用虽已普及，但主流强化学习（RL）方法仍面临三大“卡脖子”难题：感知设备误差导致数据噪声大、策略易失稳；训练与真实场景存在“现实差距”，易引发意外冲突；算法偏重通行效率而忽视安全性，难以规避左转与直行等高风险碰撞。这些问题严重制约了AI技术在交通领域的大规模落地，成为行业亟待破解的“最后一公里痛点。信息港公司研发团队针对性提出的CFLight技术，正是为系统性解决上述难题而生，通过创新技术路径为交通安全控制提供全新解决方案。
让AI具备“事后反思”的反事实推理能力。与传统AI“执行动作-获取奖励”的单向学习模式不同，CFLight首次将因果推断思想引入交通信号控制，赋予 AI 独特的“反事实学习”能力——当潜在事故风险出现时，系统可回溯现场状态，模拟“若采取另一种信号策略，是否能避免事故、减少延误”。基于这一核心逻辑，CFLight构建了“CF+X”安全强化学习框架，通过双向条件 GAN 模型重建真实与反事实环境的因果关系，让AI无需反复仿真即可快速学习“另一种安全可能”。
在真实城市路口与大规模仿真环境中，CFLight 的性能优势已得到充分验证：在真实路口场景中，安全性平均提升 32.6%，高风险冲突事件显著减少，且在保持通行效率不变的前提下，实现了更稳定的信号控制；在合成环境中，与主流 RL方法相比，碰撞风险下降超90%，且具备跨路口、多区域的可扩展部署能力，完全满足真实道路落地需求。此外，CFLight的“可解释性”的技术亮点也备受关注——其安全强化学习框架不仅能实现精准控制，还能清晰解释“为何该策略更安全”，为技术落地后的监管与优化提供了便利。
CFLight 技术是在既有“城市交通 AI 枢纽协同决策系统”架构上的深化与迭代，是对原有智能调控能力的显著增强，为整体系统迈向更高精度、更高安全水平提供了新的技术支撑。以此为基础，信息港公司正在逐步构建起具备“可解释、安全可信、协同智能”的城市交通控制体系。
CFLight论文成功入选KDD 2026，不仅是一次重要科研突破，更标志着AI交通安全控制步入新阶段。信息港公司将继续坚持“科研驱动+场景落地”的发展路径，致力于在智慧交通领域持续产出更多具有全球影响力的中国原创成果。
