--- title: TRIP-Inference canonical_url: "https://www.modelscope.cn/models/TLabFineTuning/TRIP-Inference" md_url: "https://www.modelscope.cn/models/TLabFineTuning/TRIP-Inference.md" repository: TLabFineTuning/TRIP-Inference last_updated: 2026-03-25 library_name: - pytorch frameworks: - Pytorch downloads: 17 stars: 1 --- # TRIP-Inference > TRIP-Inference - TLabFineTuning 在 ModelScope 开源的模型。项目总述 在现有思维树（ToT）模型的基础上，提出了一种结合物理语义的创新性优化方法，以提升大语言模型（LLM）在复杂交通推理任务中的表现。 我们将大语言模型的思维链（CoT）拓展为树状结构的思维树（ToT），打破传统的 LLM 打分机制，在此基础上引入了一种基于物理引导的评分机制（PISM）。… - **Repository**: TLabFineTuning/TRIP-Inference - **Downloads**: 17 - **Stars**: 1 - **Last updated**: 2026-03-25 Source: https://www.modelscope.cn/models/TLabFineTuning/TRIP-Inference --- # TRIP/基于物理语义融合的思维树推理 ## 项目总述 在现有思维树（ToT）模型的基础上，提出了一种结合物理语义的创新性优化方法，以提升大语言模型（LLM）在复杂交通推理任务中的表现。 我们将大语言模型的思维链（CoT）拓展为树状结构的思维树（ToT），打破传统的 LLM 打分机制，在此基础上引入了一种基于物理引导的评分机制（PISM）。 该机制通过物理语义的融合，不仅提高了模型推理过程的解释能力，还增强了交通决策推理的准确性和一致性。特别是在复杂的交通场景中，提供更精确的推理结果。 为了进一步优化思维树的生成效率，我们提出了三种剪枝策略：通用剪枝策略、自适应剪枝策略和基于物理约束的剪枝策略。 通过物理语义的融合与多层次剪枝优化，我们的模型在交通推理效率、可解释性及生成质量等方面均表现出显著的优势。 实验结果表明，相较于传统的思维链模型，提出的思维树模型在交通推理性能与效率上均有大幅提升，为智慧交通系统的优化和交通大模型的应用提供了新的思路和方法。 ## 项目创新点 ### 1) PISM 打分机制（Physics-Informed Scoring Mechanism） PISM 的核心是把“物理可行性”融入 ToT 的评分逻辑，让候选方案不仅语言上合理，而且在交通机理上可执行。它不是简单的“后处理过滤”，而是贯穿“评分—筛选—保留”的连续机制，主要包含以下环节： **(1) 物理语义解析 → 结构化参数** 从候选文本中解析关键交通参数（例如周期 `C`、NS/EW 相位绿灯时长、左转相位、行人绿灯等），形成可计算的结构化表示。 这一步解决“文本描述 → 物理量”的映射问题，为后续计算提供统一输入。 **(2) 物理约束校验 → 硬/软判定** 对结构化参数进行物理约束检查： - **硬约束**：违反基本交通信号规律的方案直接判为不可行（例如：周期与相位损失时间之和不匹配、行人绿灯大于车流最大绿灯等）。 - **软约束**：存在信息缺失或轻微不一致时，不直接淘汰，而是施加惩罚。 **(3) 交通能力评估 → v/c 约束** 引入“需求/通行能力比值（v/c）”作为交通合理性指标： - **超过硬阈值**：视为不可行方案，直接剪枝。 - **超过软阈值**：保留但降分，体现拥堵风险。 **(4) 评分融合 → 语言得分 + 物理惩罚** 最终评分由语言模型评分与物理惩罚项共同构成： - 语言评分反映推理逻辑与文本合理性。 - 物理惩罚确保结果符合交通机理。 这样既避免“语义正确但物理不可行”的高分结果，也能解释为什么某些候选被降权或淘汰。 **(5) 可解释性输出** 对于被降分或被剪枝的方案，会记录对应的物理原因（例如“周期超限”“v/c 过大”），用于分析与展示，增强可解释性。 ### 2) 三种剪枝策略（层次化组合） 我们将剪枝分为三个层次，形成“通用控制 + 自适应评估 + 物理约束”的组合式策略，从效率、稳定性与可行性三个角度同时优化。 #### A. 通用剪枝策略（General Pruning） **目标**：控制每个父节点的分支数，避免树结构爆炸。 **做法**：对同一父节点生成的候选按评分排序，仅保留 Top-K（`max_children`），其余直接软剪枝。 **作用**：显著降低搜索宽度，提高整体运行效率。 #### B. 自适应剪枝策略（Adaptive Pruning） **目标**：避免“少量评估导致误选”，提升评分稳定性。 **做法**： 1. 先对所有候选进行初次评估（n0 次）。 2. 若同一父节点下候选评分差距很小（小于阈值），触发二次评估（n1 次）。 3. 使用 UCB/LCB 置信区间方法，在“均值 + 不确定性”层面筛选候选，降低随机性影响。 **作用**：在保持效率的同时，降低噪声带来的误剪或误保留。 #### C. 基于物理约束的剪枝策略（Physics-Constrained Pruning） **目标**：从物理可行性层面保证推理结果质量。 **做法**： - **硬约束剪枝**：直接剔除违反交通信号基本规律的候选方案。 - **软约束惩罚**：对轻微问题或信息缺失方案降分，仍允许进入竞争。 - **v/c 约束剪枝**：对高拥堵风险方案进行惩罚或淘汰。 - **可选仿真校验**：对候选进行简化队列仿真，进一步验证稳定性。 **作用**：保证最终结果不仅“语言合理”，更“物理可行”。 ## 3) 实验结果 #### 第一组：PISM + 混合剪枝 vs 传统方法 （效率对比） **对比对象**： - **基线**：传统方法 - **改进方法**：PISM + 混合剪枝（通用 + 自适应 + 物理约束） **效率指标对比**： | 指标 | 基线 | 改进 | 提升百分比 | | --- | --- | --- | --- | | 节点数平均值（nodes_avg） | 29.4 | 29.1 | -1.02% | | 节点数标准差（nodes_std） | 10.46 | 8.55 | 18.2% | | 剪枝节点数平均值（pruned_nodes_avg） | 0.0 | 0.93 | - | | 生成调用次数平均值（gen_calls_proxy_avg） | 28.4 | 28.1 | -1.06% | | 生成调用次数标准差（gen_calls_proxy_std） | 10.46 | 8.55 | 18.2% | | 评估调用次数平均值（eval_calls_proxy_avg） | 56.8 | 28.57 | 49.7% | | 评估调用次数标准差（eval_calls_proxy_std） | 20.93 | 10.04 | 51.9% | | 自适应评估次数平均值（adaptive_eval_extra_avg） | 0.0 | 0.47 | - | | 运行时间平均值（runtime_sec_avg） | 17.26 | 15.28 | 11.5% | | 运行时间标准差（runtime_sec_std） | 4.19 | 24.01 | -473.4% | **指标计算方法**： - 节点数平均值（nodes_avg） = `Σ nodes_i / N`（N 次实验的节点数均值） - 节点数标准差（nodes_std） = `sqrt(Σ (nodes_i - nodes_avg)^2 / N)`（跨 N 次实验的离散度） - 剪枝节点数平均值（pruned_nodes_avg） = `Σ pruned_nodes_i / N` - 生成调用次数平均值（gen_calls_proxy_avg） = `Σ gen_calls_i / N` - 生成调用次数标准差（gen_calls_proxy_std） = `sqrt(Σ (gen_calls_i - gen_calls_proxy_avg)^2 / N)` - 评估调用次数平均值（eval_calls_proxy_avg） = `Σ eval_calls_i / N` - 评估调用次数标准差（eval_calls_proxy_std） = `sqrt(Σ (eval_calls_i - eval_calls_proxy_avg)^2 / N)` - 自适应评估次数平均值（adaptive_eval_extra_avg） = `Σ adaptive_eval_extra_i / N` - 运行时间平均值（runtime_sec_avg） = `Σ runtime_i / N`（单位：秒） - 运行时间标准差（runtime_sec_std） = `sqrt(Σ (runtime_i - runtime_sec_avg)^2 / N)` - 提升百分比 = `(基线 - 改进) / 基线 × 100%`（基线为 0 时记为 “-”） **结论与创新点（效率维度）**： - **评估调用显著下降**：评估调用次数均值下降约 49.7%，标准差下降 51.9%，说明混合剪枝有效压缩评估开销并提升稳定性。 - **整体运行时间下降**：平均运行时间下降约 11.5%，体现 PISM + 混合剪枝在效率层面的直接收益。 - **节点与生成调用更稳定**：节点数与生成调用的标准差下降约 18.2%，树结构与生成行为更收敛。 - **自适应评估启用**：引入平均 0.47 次自适应复评，支持“必要时加评估”的动态机制。 - **代价与改进方向**：运行时间标准差增大（4.19 → 24.01），提示在部分样本上存在波动，后续可通过限幅/分层预算进一步平滑。 ### 第二组：LLM 打分 vs PISM 打分 （物理一致性对比） **对比对象**： - **基线**：传统 LLM 打分 - **改进方法**：PISM 打分（物理约束引导） **质量指标对比**： | 指标 | LLM 打分 | PISM | 提升百分比 | | --- | --- | --- | --- | | 物理一致性评分（avg_cphysics） | 0.387 | 0.530 | +37% | | 稳定性评分（avg_cstability） | 0.963 | 0.965 | +0.2% | | 可行性评分（avg_cfeasible） | 0.150 | 0.230 | +53.3% | | 流量-车道比（avg_vc） | 0.126 | 0.393 | +212.7% | | 周期残差（avg_cycle_res） | 0.820 | 0.524 | -36% | **指标计算方法**： - **物理一致性评分（avg_cphysics）**：基于物理约束的交通方案一致性评价指标。采用负指数惩罚函数（Negative Exponential Penalty Function），将信号配时方案与物理规律的偏差（残差）映射至 `[0, 1]` 区间，分数越接近 1 代表方案物理可行性越高。 $$c\_{physics} = \exp\left( -\alpha_{res} \cdot \sum_{i \in \{cycle, ped, vc, miss\}} \text{res}_i \right)$$ 其中，$\alpha_{res}$ 为惩罚因子（Penalty Scale），$\sum \text{res}_i$ 为多维物理约束违约残差的代数和。 物理约束维度的学术定义： A. 周期时域闭合性（res_cycle） $$\text{res}_{cycle} = \frac{\max(0, (\sum_{j=1}^{n} g_j + \text{lost}) - C)}{\max(1, C)}$$ 物理意义：各相位有效绿灯时间与损失时间（$\text{lost} = n\_{phases} \times 4.0s$）之和不应超过信号周期 $C$。 B. 行人安全保障约束（res_ped） $$\text{res}_{ped} = \frac{\max(0, L_{ped} - \max(g_{NS}, g_{EW}))}{\max(1, \max(g_{NS}, g_{EW}))}$$ 物理意义：南北或东西向的主相绿灯时长必须满足行人安全过街的最短暴露时间 $L_{ped}$。 C. 通行能力饱和约束（res_vc） $$\text{res}_{vc} = \max(0, v/c_{max} - 1.0)$$ 物理意义：交通需求与理论通行能力计算的饱和度 $v/c$ 不得超过 1.0，防止排队长度无限发散。 D. 参数完备性正则化（res_missing） 判定规则：若数据解析中缺失周期 $C$ 或核心相位参数，则 $\text{res}_{missing} = 1.0$，否则为 $0$。 全局统计汇总（avg_cphysics）： $$\text{avg\_cphysics} = \frac{1}{|V \setminus \{root\}|} \sum_{v \in V \setminus \{root\}} c\_{physics}(v)$$ 其中，$V \setminus \{root\}$ 表示所有路口执行节点集合（排除抽象汇总层 root），该指标反映路网整体方案的平均物理合规性，是评估大模型配时“幻觉”程度的核心判据。 - **稳定性评分（avg_cstability）** = `Σ c_stability_i / N`（对所有节点/样本的稳定性评分取均值，分数越高稳定性越好） - **可行性评分（avg_cfeasible）** = `Σ c_feasible_i / N`（对所有节点/样本的可行性评分取均值） - **流量-车道比（avg_vc）** = `Σ (v/c)_i / N`（路口或节点层面的 v/c 指标平均值） - **周期残差（avg_cycle_res）** = `Σ res_cycle_i / N`（周期闭合性残差的平均值，数值越小越好） - **提升百分比** = `(基线 - 改进) / 基线 × 100%`（基线为 0 时记为 “-”） **结论与创新点（物理一致性维度）**： - **物理一致性显著提升**：avg_cphysics 提升 37%，说明 PISM 能有效抑制“语义合理但物理不可行”的方案。 - **可行性改善明显**：avg_cfeasible 提升 53.3%，表明通过物理约束引导，整体方案更接近可执行状态。 - **周期残差下降**：avg_cycle_res 降低 36%，显示周期闭合性违约显著减少。 - **稳定性保持高位**：avg_cstability 小幅提升（+0.2%），说明引入物理约束并未破坏解的稳定性。 - **物理一致性为核心增益**：PISM 相比传统 LLM 打分的主要优势体现在物理一致性与可行性，而非仅语义评分。 ### 第三组：传统 ToT vs PI-TOT （整体质量与代价对比） **对比对象**： - **基线**：传统 ToT - **改进方法**：PI-TOT（PISM + 混合剪枝 + 物理约束引导） **质量与代价指标对比**： | 指标 | ToT | PI-TOT | 提升/变化 | | --- | --- | --- | --- | | 最终可行性评分（final_avg_cfeasible） | 0.170 | 0.216 | +21.3% | | 最终流量-车道比（final_avg_vc） | 0.188 | 0.167 | -11.2% | | 最终周期残差（final_avg_cycle_res） | 1.594 | 0.086 | -94.6% | | Top-K 平均物理一致性（topk_llm_avg_cphysics） | 0.530 | 0.682 | +28.7% | | Top-K 平均稳定性（topk_llm_avg_cstability） | 0.965 | 0.994 | +3.0% | | Top-K 平均 LLM 分数（topk_llm_avg_llm） | 7.476 | 7.140 | -4.5% | | Top-K 重叠率（topk_overlap） | 0.72 | 0.48 | -33.3% | | 生成调用次数（gen_calls_proxy） | 11.9 | 11.3 | -5.1% | | 评估调用次数（eval_calls_proxy） | 29.1 | 29.0 | -0.3% | | 运行时长（runtime_sec） | 15.93 | 9.96 | -37.5% | **指标计算方法**： - **最终可行性评分（final_avg_cfeasible）** = `Σ c_feasible_final_i / N`（对每个样本的最终输出方案可行性评分取均值） - **最终流量-车道比（final_avg_vc）** = `Σ (v/c)_final_i / N`（最终方案的 v/c 指标平均值） - **最终周期残差（final_avg_cycle_res）** = `Σ res_cycle_final_i / N`（最终方案周期闭合性残差平均值，数值越小越好） - **Top-K 平均物理一致性（topk_llm_avg_cphysics）** = `Σ (Σ c_physics_topk / K) / N`（每个样本 Top-K 候选物理一致性均值，再跨样本平均） - **Top-K 平均稳定性（topk_llm_avg_cstability）** = `Σ (Σ c_stability_topk / K) / N` - **Top-K 平均 LLM 分数（topk_llm_avg_llm）** = `Σ (Σ llm_score_topk / K) / N` - **Top-K 重叠率（topk_overlap）** = `Σ (|TopK_l ∩ TopK_{l-1}| / K) / L`（相邻层 Top-K 的平均重叠比例，数值越低表示搜索多样性更强） - **生成调用次数（gen_calls_proxy）** = `Σ gen_calls_i / N` - **评估调用次数（eval_calls_proxy）** = `Σ eval_calls_i / N` - **运行时长（runtime_sec）** = `Σ runtime_i / N`（单位：秒） - **提升/变化** = `(PI-TOT - ToT) / ToT × 100%`（正值为提升，负值为降低） **结论与创新点（ToT → PI-TOT 整体增益）**： - **物理一致性与可行性同步提升**：Top-K 物理一致性提升 28.7%，最终可行性提升 21.3%，体现 PI-TOT 在“物理可行”上的显著优势。 - **周期闭合性大幅改善**：final_avg_cycle_res 降低 94.6%，显著减少配时周期违约。 - **搜索更具多样性**：Top-K 重叠率下降 33.3%，说明 PI-TOT 在树层面探索更丰富的候选空间。 - **语义得分轻微下降但物理更优**：Top-K LLM 分数小幅下降（-4.5%），但物理一致性与可行性显著提升，体现评分重心转向物理约束。 - **计算代价下降**：生成/评估调用次数略降，运行时长降低 37.5%，效率收益明显。 ## 参考实现文件 - `TRIP-PI-TOT.py`：物理剪枝 + 自适应评估 + 软剪枝的主实现。 - `streamlit_prune_live_dual.py`：前端展示与交互控制（含 ToT 可视化）。 ## 项目团队与贡献（Contributors） **模型研发与维护** TRIP 项目小组 **核心贡献者** 李柳铮、王馨悦、王子烁、周臻（东南大学复杂交通网络研究中心） **支持单位** 东南大学交通学院 东南大学统计与数据科学学院