早高峰的解放路，往年这个点到哪都堵，最近却顺了不少——红绿灯不再死板地按固定秒数切换，而是看实时车流"见机行事"：哪条道排长了就多放它几秒，空着的道就压缩绿灯。背后是 AI 把路口摄像头、地磁线圈的数据喂进模型，算出当下最优配时。
这一套的逻辑其实很朴素：固定配时是"按经验猜"，实时调度是"看现在调"。城市车流每分钟都在变，早高峰的瓶颈会从路口 A 挪到路口 B，能跟着变的灯，才会真的疏通。实测里主干道通行时间降个一成到两成并不罕见，对通勤族是实打实的早到家十分钟。
可"整体最优"天然会冒犯"局部利益"。当模型为了不让主干道瘫掉，把车流疏导到周边小路，那些原本清净的社区道路突然被过境车填满，绕路司机的火气就上来了："凭什么为了大路顺畅，让我们家门口变成停车场？"算法追求的是系统指标，个体感受到的却是不公平。
对城市管理者，这其实提出了新课题：调度不能只盯着"平均车速"一个 KPI，得把分流带来的噪声、安全、居民投诉也纳入优化目标，否则技术赢了效率、输了口碑。对普通开车的人，遇到导航突然让你绕小道别急着骂，多半是系统在给你和主干道同时找平衡；真觉得某段路被算法坑了，投诉渠道现在比过去更该用起来。
交通治理的本质从来不是"让车跑最快"，是"让最多人可接受"。AI 把配时从静态变成动态是进步，但动态优化的目标函数里，得放进人的感受，否则再聪明的灯，也照不亮被绕路的人心里的那点不爽。
再往深想一层，红绿灯只是城市里最显眼的一块屏。同样的实时调度逻辑，正在往地下管网、电网负荷、垃圾清运路线蔓延——本质上都是"用实时数据替代固定排班"。这背后考验的不再是算法有多花哨，而是城市有没有把散在各部门的传感器数据真正打通。很多城市卡就卡在 data silo：交通局有卡口数据、城管有清运数据、电网有负荷数据，彼此不说话，AI 再聪明也只能基于残缺的信息做局部最优。所以红绿灯变聪明，往往是城市数字化到了一定阶段的副产品，而不是单买一套系统就能解决的事。