前言
在人工智能技术的浪潮中，AI大模型（Foundation Models）正以其卓越的数据处理能力和复杂的计算结构，在公路交通领域引发一场深刻的变革。这些模型不仅推动了社会生产力的提升，还在理解、学习、适应和实现任何知识工作的能力上展现出巨大潜力，即向通用人工智能（AGI）阶段的快速进化。
特别是在公路交通行业，AI大模型的应用正逐步渗透到建设、管理、养护、运营和服务等核心价值链环节，为交通系统的智能化升级提供了新的动力。随着多模态AI的发展，大模型在不同数据类型之间建立联系和融合，实现综合全面的多模态理解，助力解决交通领域中的复杂问题。本文旨在综述AI大模型在公路交通领域的应用现状，探讨其在提升交通管理效率、优化运力等方面的实际效益，并分析当前面临的挑战与未来发展趋势，以期为行业从业者和决策者提供参考。
1、AI大模型技术概述
近年来，人工智能技术的突飞猛进，尤其是深度学习领域的发展，催生了一系列具有大规模参数和复杂计算结构的机器学习模型，即所谓的大模型（Foundation Models）。这类模型通常由深度神经网络构建而成，拥有数十亿乃至数千亿个参数。AI大模型的设计目的在于提高模型的表达能力和预测性能，使之能够处理更加复杂的任务和数据。大模型的应用范围广泛，涵盖了自然语言处理（NLP）、计算机视觉、语音识别等多个领域。
（1）定义与特点
AI大模型可以定义为具备大规模参数和复杂计算架构的机器学习模型，其主要特点是参数数量众多，结构复杂。这些模型通过训练海量数据来学习复杂的模式和特征，从而具备更强的泛化能力，能够在未见过的数据上做出准确的预测。根据模型的应用领域和规模，大模型可以进一步分类为大语言模型（Large Language Model）、多模态大模型（Multimodal Large Models）等。其中，大语言模型如OpenAI的GPT-3便是典型代表，这类模型能够生成人类类似的文本或回答自然语言的问题。
此外，AI大模型与智能体之间存在着密切关系。智能体是指能够感知环境并采取行动以最大化其成功概率的系统。大模型作为智能体的核心组件之一，通过学习和理解复杂环境，为智能体提供决策依据。
（2）技术进展
当前，AI大模型的技术进展日新月异，国内外各大科技公司都在竞相研发更大规模、更高性能的大模型。以国内为例，百度的文心一言、阿里巴巴的通义千问、科大讯飞的星火认知大模型等，均在各自的领域取得了显著成就。这些模型不仅在参数规模上与国际领先水平持平，而且在实际应用中展现了强大的语言理解和生成能力。与此同时，国内大模型在中文处理能力上尤为突出，部分模型已能够与国际顶尖模型媲美。
在国外，OpenAI的GPT系列模型一直引领着行业潮流。特别是GPT-4，其不仅在语言生成方面表现出色，还能处理多模态数据，如图像理解等1。OpenAI在2024年9月发布的O1模型更是引起了广泛关注，该模型在数学、代码等方面推理能力显著提升，其得分在2024年的AIME（美国数学邀请赛）测评中达到83%，在博士级别的科学问题（GPQA Diamond）上超过了人类博士水平。O1模型的诞生标志着人工智能领域在推理、数学和编程等复杂任务上达到了专家级水平，预示着AI技术可能进入一个新的发展阶段，对社会和科研领域产生深远影响。
AI大模型是实现通用人工智能（AGI）的重要路径。它们可以整合多种不同类型的数据和信息，实现多模态处理和分析，从而更全面地理解和解决复杂问题。未来，随着技术的不断进步，AI大模型将在公路交通等领域发挥更大的作用，推动智能交通系统的建设和发展。
2、AI大模型在公路交通行业的应用分析
在探讨AI大模型在公路交通行业的应用之前，有必要对交通行业的核心价值链进行梳理。在公路交通行业一般将核心价值链概括为**“建管养运服”**，即建设、管理、养护、运营和服务五大领域（见图1）。
在建设领域， 主要涉及公路的设计、施工以及质量安全管理；管理领域则从政府及企业层面进行宏观调控与决策，包括政策制定、规划以及招投标等；养护领域负责公路的日常维护和应急修复；运营领域侧重于公路的日常运作细节，包括交通流量监测、事件处理等；服务领域则致力于为公众及企业提供优质的出行及物流服务。其中，由于管理更偏向于顶层设计和宏观指导，涉及到建养运服等各个环节，所以将管理域至于其他四个核心价值域的上方。
图1 AI大模型按照交通价值链的应用分析
（1）建设领域的典型应用
当前阶段比较典型的大模型应用为自动计量，通过工程图纸、工程量表及相关文档数据的训练， AI计量大模型具备版面分析多模态能力及推理功能，支持图纸、表格及文本的自动提取，通过AI替代算量业务流程中的可自动化部分，大幅缩短算量时间。具体应用包括道路专业图纸工程量表识别以及桥梁BIM建模算量。随着AI大模型向可解释以及精确性上发展，在设计辅助方面有更广阔的应用空间。通过集成到各类设计软件中，AI大模型能辅助设计师进行交通工程的设计工作，如路线规划、结构设计等，可以大幅提高设计的效率与科学性。
（2）管理领域的典型应用
管理领域中，AI大模型的应用主要体现在评标辅助和智慧交管。 评标辅助利用AI大模型来辅助工程招标过程中的评估工作，提高了评标的公正性和准确性。在智慧交管方面，AI大模型可以应用于轻微事故的快速处理等高频发生的交通事故场景，显著提升了交通管理的效率。此外，知识问答和数据问答等应用在管理域中也已较为普及，AI大模型通过微调训练为交通管理者提供了即时的专业建议和数据问答的支撑工作。
（3）养护领域的典型应用
在养护领域，AI大模型的应用最为突出的是病害识别。 通过多模态大模型的技术，企业能够在海量数据中快速识别道路、桥梁等设施的病害情况，及时预警并采取修复措施，有效延长了公路的使用寿命。该项应用目前也是应用于自动巡检场景如与无人机结合，大大降低了养护巡检的成本。此外，AI大模型基于历史数据还可以被用来制定或优化养护工程的施工计划，确保养护工作的高效进行。
（4）运营领域的典型应用
在运营领域，AI大模型当前的应用主要集中在智能事件检测和收费智能稽核模型。 智能事件检测利用AI大模型来检测交通中的异常事件，相对于传统的AI感知模型，大模型的优势即通过小样本量的学习，可以针对交通事故中的长尾事件做到更精准的识别。另外，在收费稽核领域，也看到有AI大模型的应用，通过融合更多维度的交通数据，AI大模型技术有望排查更为复杂隐蔽的偷逃费情况，确保收费的公正性。
（5）服务领域的典型应用
在服务领域，AI大模型的应用则以伴随式信息服务和物流运输优化为代表。 伴随式信息服务的高阶应用即为车路云一体化的智能网联汽车，通过路侧感知数据的融合，实现中央决策大脑对于整体交通参与者的动态控制，是公路交通的最终级的应用场景点。另外，在物流运输优化场景中，通过AI大模型可以改善货物运输的效率，实现资源的合理配置与调度，从而降低物流成本。
3、AI大模型在交通领域的应用案例
（1）应用案例分析框架
本节旨在提供一个系统化的视角，通过对具体应用案例的研究，揭示AI大模型在公路交通行业中的实际效益。分析框架将建设与养护领域合并，因其均涉及工程相关的价值链；同时，将运营与服务领域合并分析，这两个领域在基础数据上具有共性，都需要对交通事件、参与者以及态势进行感知和预测。管理域的应用场景则被分配到上述两类中。
此外，分析框架中引入了感知、预测、控制维度，这些更偏向于交通领域智能体从输入到输出的不同应用环节；同时，按照知识问答、辅助决策以及内容生成维度进行分类，这个维度更偏向于传统大模型的应用分类，即从纯文本到生成文档或图片的多模态大模型应用。
（2）建设与养护领域应用案例分析
在建设与养护领域（见图2），广联达-AecGPT、上海建工-云工大模型、海若大模型是具有代表性的通用大模型，覆盖了感知到控制，问答到生成多个应用领域。广联达-AecGPT作为面向建设行业的多模态大模型，不仅在设计辅助方面有着显著的应用成效，还覆盖了施工运维等多个环节。例如，在设计阶段，AecGPT能够通过集成到设计软件中，辅助设计师进行交通工程的设计工作，如路线规划、结构设计等，从而提高设计的效率与科学性。在施工计量阶段，通过工程图纸等数据训练，其AI计量大模型可自动提取图纸、表格及文本信息，如在道路专业图纸工程量表识别和桥梁 BIM 建模算量中，大幅缩短算量时间。云工大模型拥有施工规范、工艺等 8 大模块，满足不同建设阶段、不同应用场景的需求。如施工方案智能生成云平台可在 5 分钟内自动编撰完成一本无需二次编辑的施工方案；另外，钢筋 / 钢管云点数基于视觉感知大模型，实现库存钢管快速准确点数，准确率近 98.5%。海若大模型则在道路病害检测中发挥了重要作用，能够自动识别分析30余种表观与结构病害，并出具病害调查分析报告，显著提升了道路养护效率与质量。
图2 建设与养护领域应用图谱
此外，同济-CivilGPT、云天励飞-道路巡查大模型以及华设集团-AI Road亦在垂直领域中有所尝试。同济大学推出的CivilGPT专注于土木工程领域，提供了注册工程师考试知识问答、专业规范信息查询等服务。云天励飞的“城市道路智慧巡查解决方案”在道路病害检测与养护决策支持方面实现了突破，利用AI技术使道路巡查效率提升4倍，并降低了50%的病害检出成本。华设集团子公司狄诺尼发布的AI Road是一款基于AI技术的三维快速方案设计软件，能够提升方案设计效率7-8倍，提高整体工作效率20%-30%，在路线和立交设计中得到了广泛应用。
通过建设与养护领域的应用案例分析，除了知识问答这类比较浅层次的行业应用外，行业关键应用主要集中在基于图像识别的感知类应用如病害、物料以及工程文档类识别，该类型识别可以通过视觉大模型提升整体感知的准确性，减少对于长尾低频场景的样本需求量。另外在内容生成领域如文档方案、辅助设计也有不少企业进行了尝试，不过整体效果看还需要不断提升模型的准确性以及可解释性。
（3）运营与服务领域应用案例分析
在企业层面，AI大模型在运营与服务领域的应用案例展现了强大的技术实力和广泛的应用前景（见图3）。百度的文心阡陌（百度ACE智能交通引擎）通过集成大语言模型、视觉大模型等，为信控优化、道路隐患识别等交通场景提供智能化支持。在感知任务层面，相对于使用单任务小模型的方法，交通大模型的平均错误率可下降50%。例如在抛洒物、识别无井盖等长尾场景中，准召率可突破到95%以上。高德地图旗下的高德云图宣布开放云睿时空融合大模型，打造时空与产业数据融合的应用生态。云睿大模型融合人流、车流、事件流等数据要素，实现商户选址、铺货、交通治理等预测与决策辅助。
在高校研究方面，北交大开发的TransGPT致远作为国内首款综合交通大模型，通过其多模态数据处理能力，展示了在交通规划设计、交通流量及事故预测的潜力。北航的TrafficGPT通过结合大型语言模型（LLMs）与交通基础模型（TFMs），在城市交通管理辅助决策以及交通仿真方面取得了进展，能够智能分解任务并通过交互式反馈提高系统的适应性。东南大学的MT-GPT则通过处理城市环境中复杂的多模式交通数据，改进了交通预测和规划，同时还支持智能道路巡检调度。这些高校的模型不仅在理论研究上取得了突破，也在实际应用中展示了对未来智能交通系统的积极影响。
运营与服务领域中，企业和高校的交通大模型都有广泛应用。企业模型更注重实际场景的解决，高校模型则侧重于学术研究和理论创新。从目前的应用场景集中程度看，企业和高效均基于时序大模型在交通预测以及辅助决策领域进行大量的探索。而在交通感知与控制领域，由于缺乏实际交通数据，当前主要还是以百度、高德为主的企业在该领域中展开应用探索。
图3 运营与服务领域应用图谱
总体看，AI大模型的应用主要分为两大类，第一类是在原有AI1.0阶段，即基于传统AI算法展开的交通领域从感知、预测到控制的端到端智能交通应用。通过大模型的加持，可以有效提升模型的准确性以及对多源数据融合的处理能力。第二类则是基于大模型的泛化能力，在知识问答，数据分析辅助决策以及内容生成方面的应用创新，目前在交通的运营和服务领域该类应用创新还处在探索阶段，应用的价值深挖还有待企业在公路业主单位的实践积累。
4、挑战与展望
随着人工智能技术的快速发展，AI大模型在公路交通领域应用前景广阔，但同时也面临着一系列挑战。
（1）模型的可解释性
在AI大模型应用于公路交通领域的过程中，尽管已经展现出了巨大的潜力和前景，但仍面临着一系列挑战。首先，模型的可解释性问题一直是AI技术在实际应用中的一个瓶颈。尤其是在公路交通这样对安全性要求极高的领域，如何让模型的决策过程透明化，使其能够清晰解释为什么做出某个决策，是当前亟待解决的问题。这不仅关系到技术本身的成熟度，更关系到公众的信任度和社会的接受度。
（2）算力需求
大模型的训练和应用需要强大的算力支持。随着公路交通领域数据量的不断增加以及对模型精度要求的提高，所需的算力也会相应增长。这对于一些企业或机构来说可能是一个巨大的挑战，因为购买和维护高性能计算设备需要高昂的成本。
（3）企业业务模式转变
公路业主企业的业务模式转变也是一个不可忽视的挑战。AI大模型的应用往往需要企业改变原有的工作流程和管理模式，这对于习惯了传统方式的企业来说，意味着需要投入大量的时间和资源进行培训和技术改造。此外，新模式的推广还可能面临既有利益格局的调整，需要企业内部和外部各方的协调与配合。
图4 交通领域AI大模型应用展望
展望未来发展（见图4），AI大模型在交通领域的发展总体可以按照应用的广度和深度两个维度进行发展。
一是从广度上看， 目前AI大模型正在全面渗透到公路交通的“建管养运服”各个关键领域中，其中短期在管理域以及运营域中会有更多的应用场景率先落地如基于RAG的企业知识问答，针对智能事件检测以及交通流量预测等传统AI场景的大模型升级。随着技术的成熟以及算力的增加，未来在建设和养护领域大模型会逐步发挥出更多的价值。
二是从应用深度看，无论是从感知、决策到控制的路线，还是从单模态大模型到多模态大模型再到智能体的应用，整体应用的复杂度在逐渐变高，同时应用的深度也在增加。 未来大模型将深度改造现有企业的应用系统，与建管养运服的各个环节进行绑定，在企业的经营效率和质量上提供巨大的生产力。
