本文来自微信公众号“天翼智库”，作者/李春辉、张媛玥。
党的二十大提出建设“交通强国、网络强国、数字中国”，今年交通运输部下发《加快建设交通强国五年行动计划（2023-2027）》，我国智慧交通进入快速发展期。近日，北京交通大学联合多方开源并商用了国内首款综合交通大模型——Trans GPT.致远，可应用在交通安全咨询、智能化的交通监管、交通流量预测等方面，为智慧交通发展提供了新的动力和方向。运营商可基于在智慧交通领域丰富的项目经验和云、网相关优势，可重点研发和部署面向用户出行和交通监管的大模型产品。
交通大模型的发展现状
交通大模型是通过对交通道路环境、各类交通参与者和交通管理者所形成的高质量数据库使用机器学习相关技术进行训练所形成的一个巨型的神经网络模型，可应用于个性化交通信息交互，交通道路出行规划，自动化主动式监管和自动驾驶辅助。
据中国智能交通协会数据显示[1]，中国智能交通行业市场规模由2021年1,990亿元人民币，增长至2023年的2,817亿元人民币，预计2025年中国智能交通行业的市场规模预计增长至3,726亿元人民币，5年复合增长率约为16.98%。如图1-1。
图1-1 2021-2025年中国智能交通行业市场规模
智能交通的大发展打开了交通大模型的发展空间。各厂商纷纷布局交通大模型，百度基于文心大模型发布了数字人“简璐璐”，提出全域信控缓堵解决方案，预计交警管理部门对交通事故的发现、处置和恢复全流程效率较现有方案提升超过50%。商汤发布了方舟交通平台和火星混合现实平台，产品覆盖智能出行、交通管理、轨迹预测等应用场景，在绍兴落地的交通项目中，借助大模型整理交通内勤工作，提高了近80%的工作效率。中联通基于鸿湖大模型也提出了专业面向智慧交通的大模型，重点覆盖车联网运营、在线客服机器人、全息道路BEV感知融合和交通流预测等。
综合来看，当前交通大模型主要应用场景包括交通出行助手，智慧交通监控管理，智慧交通调度规划和自动驾驶辅助等四类。
1.交通出行助手
交通大模型为交通参与者提供交通安全咨询和个性化出行服务。大模型可成为“电子咨询法律词典”，用户可实时与其交互咨询最新的道路行驶规则，如酒驾处罚最新政策，超速、限号罚款扣分最新政策等法律法规。其次，交通大模型可以为出行者提供个性化的出行服务，比如与用户交互车次推荐，车票预定，航班查询，机场班车/出租车出口推荐，排队时间预测，目的地酒店和景点推荐等。
2.智慧交通监控管理
交通大模型可助力交通管理部门提高道路监管与执法效率。相较传统智慧交通道路事故处理，大模型可提升突发事故处置效率。大模型可实时定位事故位置，自动切换现场仿真环境，评估事故程度和原因，自动生成应急预案和事故报告，缩短相关执法部门人员、医护人员到达现场时间和现场交通拥堵时间。
3.智慧交通调度规划
交通大模型可提升交通调度规划预测的能力。相比传统AI交通调度，交通大模型可结合除历史交通道路特征和各类型信号灯信息以外的如社交网络、新闻媒体等渠道信息，提供更为广域、实时和精准的交通流轨迹预测能力。据了解，百度通过引入大模型预测交通流轨迹，今年五一前在亦庄测试区通过对近300个红绿灯指示时间进行自动调整，解决了近30%的拥堵。
4.自动驾驶辅助
交通大模型有望提升高等级自动驾驶建图、训练和路侧感知设备运维能力。交通大模型可为自动驾驶车辆提供BEV建图辅助与推理补充，通过结合路侧感知设备网构建的拥有丰富语义信息的实时动态交通环境与车辆轨迹信息，可增强车辆BEV建图效果，提高单车自动驾驶系统感知的鲁棒性与推理精度。另外，自动驾驶辅助设施也需要实时进行运维和迭代，大模型将有效取代人工提高作业效率。
交通大模型面临的挑战
交通大模型处于发展初期，与交通类应用的严格要求相比，在技术应用和行业标准方面还存在一些挑战。首先，支持自动驾驶辅助的大模型缺乏行业建设标准。车企对未经过充分安全验证的大模型持保守应用态度。车端软件系统一般都有严格的车规级功能安全标准，支持自动驾驶辅助应用的如路侧感知服务、场景语义适配和大模型推理逻辑过程应具备类似车端的功能安全“路规级”标准，目前大模型对车辆感知到场景进行推理描述没有统一标准。
其次，大模型目前具备的可靠性难以满足复杂道路中的动态突发事件。很多交通道路复杂程度高，突发性较强，交通大模型往往要充分分析和处理实时复杂动态的交通场景，比如在多个图像，图像对应顺序，图像中所标注的标注物的相对与绝对位置要求高的较为复杂的环境场景下，图片与文本如何有效地进行对应，短期内大模型较难做到。
最后，行业内交通大数据共享难，厂家缺乏有效数据训练大模型。各交通管理部门以保密隐私数据为由，无法分享优质的交通大数据，AI厂商由于缺乏优质数据无法有效构建大模型。同时很多道路的基础设施如信号灯由于建设厂家不同，很多信号灯设备甚至没有支持数据输出的接口，导致AI厂商获取设备数据难。
运营商机会、启示和建议
1.较AI互联网厂商，运营商可依托云网优势打造交通大模型产品
交通大模型对路侧感知能力、低时延通信和智算资源将有较高的要求，运营商将增加新的通信、感知网络和云计算资源的市场份额。运营商可凭借已构建较为完善的通信网络和智算平台，为自动驾驶车辆和合作伙伴提供高质量通信和感知推理增强服务。另外，运营商可通过构建的较为成熟的道路感知网络为车企提供建图增强辅助服务。
2.运营商需抓住机遇，以大模型产品为切入点，深耕智慧交通
近期来看，运营商可凭借现有的政府客户关系，结合各省已落地的智慧交通项目数据资源优势，推出面向用户出行和交通监管的大模型产品。其中面向个人用户，推出可语音与文字输入交互的大模型产品，可实时交互交通规则，处罚规则等，同时可根据客户出行历史信息，出行目的和抵达地点自动进行最优酒店推荐，自动完成预定、发票打印等，提供最优景点推荐，最优交通工具推荐和行程路线规划等。面向政府交通监管类客户，可推出道路监管和交通流预测类大模型产品，自动进行事故发现、自动仿真建模分析，最优化响应处置和事故报告自动整理，同时可结合历史交通流数据与当下交通环境自动生成精准交通流预测，帮助交管部门提前进行车辆疏导和现场交通管理，对现有的交通项目和交通运营管理平台进行服务升级。
中期来看，运营商需完善5G/5.5G网络、感知网络、智算中心和辅助AI工具等基础设施和产品。一是可加强在复杂交通道路场景的5.5G网络和5G网络冗余建设，如多径效应较强道路拥挤城市楼宇环境，确保实时性和可靠性。二是选用性价比较高的感知设备建设方案，如引入价格较为便宜的4D毫米波雷达设备部署在路侧，在有限的成本范围内扩大感知服务覆盖的道路范围，进而收集和积累更多更丰富的交通事件和环境场景优质数据，逐步形成高质量数据集。三是强化智算中心建设。与车企和相关行业协会合作，联合探索部署大模型所需的智算中心建设标准，为部署支持自动驾驶辅助类功能的大模型打好基础。四是提供AI工具产品，可以尝试合作或自主研发感知设备自动标定生成式AI工具和高精地图迭代生成AI工具，取代人工作业，实现降本增效。
长期来看，运营商应积极参与行业协会，探索和制定自动驾驶辅助类服务的安全标准。联合车企建设支持自动驾驶辅助应用的交通大模型，依托自身在广域道路范围内构建的感知网络，结合在车联网业务积累的相关数据优势联合进行大模型的开发。同时可采用如RLHF、PREFIX和QLoRA等微调技术升级大模型的性能，进而提高推理精度并降低训练成本。此外，运营商也可与头部车企合作为大模型开发规则监管工具，对各推理任务进行实时管理并设置阈值，满足车辆相关功能安全标准，进一步削弱大模型幻觉效应，提供“车规级“BEV增强与高可靠的交通环境语义增强等服务。
数据来源
[1]2022.5.25观研报告网——中国智能交通行业发展现状分析与投资前景研究报告（2022-2029年）。
