交通大模型可能是带来颠覆的基础技术

ChatGPT之后，国内也掀起了AI浪潮。

在这种热度和需求的刺激下，国内增强大语言模型的代表百度文心一言率先开启内测，之后，阿里、腾讯也相继有了大模型方面的动作，还包括以商汤科技为代表的AI企业官宣了自己的大模型。

在大模型数量快速增长的同时，各细分行业领域也开始畅想基于大模型的应用。

4月18日，在长沙2023中国道路交通安全创新与合作大会上，百度重磅发布“基于交通大模型的全域信控缓堵解决方案”。

在交通行业领域，百度首个定义大模型与交通结合的应用场景，打响了交通大模型应用的第一枪。

什么是大模型

在了解大模型在交通行业的应用之前,首先应该需要厘清到底什么是大模型。

北方工业大学城市道路交通智能控制技术北京市重点实验室研究员张福生表示，与传统的专业垂直领域的小模型AI不同，以ChatGPT为代表的LLM大语言模型是通用人工智能（AGI）发展的最新成果，正呈现出颠覆性的革新，这种颠覆不仅仅是数据吞吐能力、计算能力、速度的差别。

从GPT1.0 到 3.5 直至4.0的出现，系统已经开始呈现出显著的“知识涌现”能力。ChatGPT不仅仅是一个聊天语言应答机，背后是掌握了人类全部知识的具有强大“智商”的通识性智能体。

AGI大模型的应用模式已经不再是面向代码的场景编程、调参、基于样本训练模型的“炼丹”模式，演变为通过人机沟通交流、激励，知识反馈等模式，未来会变成全行业的人机协同的新科学模式。

从技术层面来看，传统的AI是专门场景的AI，比如图像识别，足够的训练样本就能让模型做专项的识别，比如车牌、人脸等等。但通用AI不是，通用AI是通才，就像一个高智商的学生，可以学会各种东西，而不是靠数据训练而成。

从应用侧来看，称为大模型的通用人工智能在交通上要能做到理解交通、理解人，具备理论学习能力。如果做不到这些，那就是传统模型，一个场景一个代码解决问题的思路不是大模型架构。

张福生表示，相信未来大模型在交通中的应用一定会非常好，这确实是可能带来颠覆的基础技术。

对于交通大模型的理解，北京市智能交通协会副秘书长于泉认为，交通大模型既包括了大量的模型，也包括本身复杂的路网和交通控制模型，既宏大复杂，规模又大。

针对这个问题，赛文交通网也采访了百度智能交通研究院院长李琴，她认为，大模型核心的本质是协同和交互，体现在交通大模型上也离不开这两个本质。

交通大模型要结合海量的数据和知识做协同，尤其对于交通流的预测和态势的感知，在协同方面，能够协同互联网数据、电警卡口数据，同时叠加雷视一体机等数据，通过对多元数据的协同，更好地去做交通态势感知。

就像大语言模型一样，需要大量的数据来训练，交通大模型也可以吸纳海量的数据。                         

除此之外，百度全域信控解决方案在交通大模型方面基于图神经网络对交通流做预测，或者对于车的行驶轨迹进行补齐，也是协同的一部分。

在交互方面，文心一言交互体现在像人一样回答问题，而交通大模型的交互则体现在对信号优化控制策略的输出。

以往传统的交互是专业团队或行业专家拿到大量数据，人工学习后输出经验给交管进行配时方案优化，交通大模型是通过人工智能持续和迭代学习更多的专家经验，对专家经验理解后自动输出实时优化方案。

这个交互体现在普通的对话式交互，也体现在专家经验学习之后的输出的交互，而且可以持续做迭代，基于策略不断结合部署的效果，持续形成反馈和闭环。

基于交通大模型的全域信控缓堵方案

基于交通大模型的百度全域智能信控缓堵解决方案，是百度在芯片、框架、大模型、应用场景等全栈布局下的一个典型现象级应用。

据悉，该方案底层包括实时感知、机器视觉、交通预测、问题诊断、策略推荐、配时优化、个性化提示等交通大模型，能够提供全域感知、全域优化、全域协同和全域服务四大能力。

全域感知，主要通过宏观交通态势与微观运行监测结合，综合利用“百度地图浮动车互联网数据+交管已有电警、卡口等视频专网数据+关键路口雷视一体机流量数据”等多源融合数据，精准实时感知交通变化。

通过GNN图神经网络技术，实现未来流量预估、交通流量补全、车牌轨迹补全、道路关联分析、主车流预测等，融合感知和深度态势研判，为道路交通组织精细分析、规划、渠化与优化提供支撑。

百度不断丰富交通大模型，提取交通对象特征，开展智能分析，实现全域感知与认知。

全域优化，主要基于宏观、中观与微观的实时感知与认知，实现子区动态划分、优化，并开展区域效果评价，通过反馈形成持续优化与闭环。

全域协同，通过大语言模型实现更高效的人机交互、跨应用交互、跨系统交互，助力更精细的城市治理。

在高速公路领域，百度已经联合河北高速集团发布了基于交通大模型的数字人简璐璐，作为高速行业专家、业务助手、出行伴侣和形象大使，服务高速交通，提供全新对话式交互。

未来，或许在交管领域也打造交通管理数字人。

全域服务，则是通过百度的C端触达能力，实现交通事故、道路施工、交通拥堵、灯态上图等交通信息实时发布，让交通参与者秒级感知行程变化，并实现绕行路线推荐、停车场推荐、导航到停车位等交通诱导信息发布。

目前，百度的全域信控方案已经在北京亦庄、湖南株洲、河北保定、重庆永川等城市落地实践应用。

关于百度发布的基于交通大模型的全域信控缓堵方案，于泉认为，百度有全国很多城市的实际案例和数据，可以用大量的数据、大量的案例来做训练，所以这个技术路线是对的。基于AI训练的信控解决方案是未来的一个趋势，也应该是信控行业的必经之路，所以将来应该是对整个行业提升信控的管理水平有着很重要的意义。

但是他同时强调，这种大模型的训练需要很强的算力，最重要的是这些交通的模型首先要正确，如果训练的模型都是错误的，或者是有偏差的，那整个导致基于大模型训练的AI就是失败的。

所以其实关键的点还在于要有一个正确的、专业的交通模型，这一点是至关重要的。每个模型是否正确，是否适用于特定的场景，这都需要一个很长的过程和专业知识的储备。

关于未来

随着AI技术的发展，大模型在垂直领域的应用一定是未来发展热点及重点。正如文心一言发布的时候，李彦宏所说“之所以现在要发布，原因在于市场有强烈需求。”而大模型在垂直领域的应用则是刚需。

赛文交通网前段时间发布的一篇文章中，就有行业领域专家畅想了ChatGPT类新一代知识增强大语言模型在交通行业的应用，包括咨询答疑、规划设计、协助管理、交通大脑、自动驾驶、防灾减灾、专业培训等方向。

其中，在交通管理方面，该模型可以通过实时监测和分析车辆、道路、信号灯等信息，协助智能协调交通流量，减少交通拥堵。同时，该模型能分析交通事故历史和特征，给出相应对策和方案，减少交通事故的发生。

AGI未来将怎样赋能交通？张福生认为，利用LLM为基础的AGI可以实现：会看、会听、会计算、会决策、会沟通；通过构建交通行业的提示词体系，发掘AGI系统的潜在智能能力，将通用AGI训练成人工智能交通工程师、人工智能交通运营工程师、人工智能交通安全工程师。

就目前来看，大模型在交通上的具体应用还将取决于如何对其进行专业的训练和配置。

根据百度已公开的信息来看，并没有将模型细节描述得非常清楚，因此我们也并不做过多的技术讨论。但无论如何，百度发布基于大模型的方案也是一种实践，在不断的探索行业应用，百度迈出了第一步。