随着自动驾驶技术的发展，未来的交通场景必然是在复杂交通环境下能够自我学习的智能体（车辆、信号灯）和人工驾驶车辆混合运行的系统。如何深度运用强化学习等前沿人工智能技术让自主学习的智能体参与交通后，使得交通出行更加智能化，从而进一步改善当前交通问题，是当前的热门研究方向。
研究团队基于系列开源基础仿真工具，进行深度二次开发，已累计编写超5万行代码，嵌合30余个自主研发的功能模块，构建了TLab多模式交通仿真平台（TASP），并已在南京、苏州、杭州等20余个城市进行应用。核心功能包括了多维仿真推演、实时在线仿真、宏微观一体化仿真决策、大规模并行仿真、海量仿真参数自动化校准等。
TASP部分功能展示
