交通大模型与行业应用的碰撞才刚刚开始

编者按：9月6日，在由百度智能云主办的“2023百度云智峰会”上，百度副总裁、智慧交通事业部（ACE）总经理石清华作了《致力成为中国智能交通现代化开路先锋》主题演讲。

大模型作为2023年的热点一直备受关注，百度在交通大模型方面也在持续发力。石清华从百度为什么选择用大模型来重构智能交通、百度智能交通怎么做的以及重构后有什么效果三方面进行了阐述，并分享了百度在交通大模型场景融合与落地方面的探索与思考。

1、为什么选择用大模型来重构智能交通

在回答百度为什么选择用大模型来重构智能交通这个问题之前，先来回顾一下这几年百度在智能交通的演化过程。

2020年，百度正式发布ACE1.0，首次提出“车路智行”整体解决方案，完成了“车-路-云-图”四个方向的基础能力建设。

2021年，百度ACE升级到了2.0，围绕车路云一体化的大方向建立连接和迭代，同时也发布了细分场景解决方案，包括车路协同、交管信控、智慧高速、智慧停车。

到了2023年，随着钻研的愈发深入，我们也越来越体会到交通其实是一个很复杂的工程，人在路上走是否有秩序、是否遵守规则；车在路上开是否有秩序、是否遵守规则、是否有拥堵、是否有安全隐患、事故发生了怎么办？

再说路，现在的路基本都是多年前修建的，随着人越来越多、车越来越多、抱杆和龙门架的摄像头也越来越多；渠化工程、动脉优化、限行限号等管理手段、工程手段、技术手段都在用，城市交通和城际交通的效果的确有了很大的进步。但是再进一步的效果如何再能显性的、规模化的提升？

这段时间，我们一直在跟行业前辈、交通工程专家、交警、高速以及车厂进行探讨。就是期望回答这个问题：整个行业之前做的很多东西，其实是交通的信息化，那么到底什么是交通的智能化，交通怎么才能真正的具备智能化？

为什么？说直白点就是把能够表征真实物理世界的交通情况的数据全部聚合起来，包括路网结构、路测感知、路上交通活动、路口信号灯、信控配时、路段事故、干线流量、渠化工程、事故点位、处置流程等等。然后用来训练模型，让大模型消化吸收这些知识，数据就代表了知识，进而产生泛化的理解能力和可行的生成能力。

简单点就是用交通大模型，在云上把车路图的业务架构重新拆解和重构。再说简单点就是要用交通大模型把智慧交通进行重构。

交通大模型跟通用大模型有很大的不一样，这也是因为交通本身就是一个复杂的系统工程。所以我们在重构的过程中，用了三种通用大模型来进行强化。

首先，语言大模型负责知识、流程、逻辑的消化理解和思维链的生成；其次，视觉大模型负责全域感知，对接全域摄像头进行全域开放世界的交通检测；最后，跨模态大模型负责逻辑重组和生成输出，图文并茂、并且也让人很容易理解。

这就是我们说的AI原生重构，让智慧交通真的智慧起来，具备泛化的理解能力和可行的生成能力。

2、百度智能交通怎么做的

再来看第二个话题，百度的交通大模型是怎么做的？从1.0迭代到3.0，这几年聪明的车、智慧的路、智能的云、领先的图构成了百度智能交通的四张王牌，通过大量的项目实战，百度也沉淀了三种积累。

第一是海量交通数据的积累。包括静态的数据和动态的数据，静态的可以简单理解为百万公里的高精度地图数据，动态的可以简单理解为路侧设备提供的交通感知数据和百度地图诞生的交通活动数据，静态数据+动态数据的结合就形成了能够表征真实物理世界的交通情况，包括历史的和实时的。

第二是交通行业的知识积累。包括在协助城市交通和城际交通过程中，情指勤督宣和建管养运服的业务流程，固化下来的知识图谱。

第三是工程化的技术积累。包括数据调度能力、AI算法能力，系统平台能力，和工程实践能力。

伴随着数据积累、技术积累和工程积累，交通的业务场景也在不断丰富、各种需求层出不穷。但由于人力有限，如何让这些数据、技术和经验诞生智慧，产生自然滚动的能力，我们的做法很直白，就是用这些数据（包括交通数据、业务数据、经验数据）来训练交通大模型。让大模型的判别能力和生成能力做到自然滚动的、体系化的持续生长。

首先来看它的判别能力。之前，路侧设备能对路上个位数类型的交通要素和事件进行判别，但是现在交通视觉大模型能够让路侧设备对百位数类型的交通要素和事件进行判别。这完全超出了我们的预估，这就是我们说的开放世界的交通检测，全域感知。

相信随着交通大模型的进一步演化，一定能够做到全域开放世界的全域检测。这其实就要依靠算力，也是现在大家对于智算中心这么渴求的原因。

再来看它的生成能力。生成式是大模型最典型的特征，在我们用海量的、真实的数据训练交通大模型后，它的生成能力也有了很好的呈现，比如图文并茂的报告、事故预防的方案、全域信控的仿真等等。

这一次ACE 3.0的发布就是利用交通大模型将车、路、云、图的基本能力进行聚合并且泛化升级，让智慧交通真的智慧起来，达到全域的效果，包括全域感知、全域融合、全域架构，从而达到向科技要人力、向科技要便利的效果。

3、重构后有什么效果

下面我们再来看重构之后有什么效果？在早高峰时，数字人能够根据拥堵情况进行准确的问题诊断、治理策略推荐，已经具备了解答复杂业务问题的专家能力，一定程度上可以替代路口执勤，真正实现“向科技要人力”。

在高速公路行驶时，如遇突发事故，简璐璐可以迅速联动一路三方，快速处理事故，并能够基于大模型实现对事故现场更全面精准的还原与推理，生成事故分析报告，使公路运营效率大幅提升，真正实现“向科技要便利”。

这只是百度的交通大模型目前在实战里面做到的一小部分效果，我们也清晰的知道交通大模型与行业应用的碰撞才刚刚开始。一定还有更多的业务场景，需要并且能够发挥交通大模型和交通数字流的作用，欢迎大家与我们来一起挖掘、探索。

在之前介绍了一个关键词，叫做全域感知。大家试想一下，如果能做到这一点，把这些全域感知的交通情况通过车路协同V2X协议发到车上去，这样对于驾驶来说会达到一个空前的安全冗余、安全规避、有序通行和舒适通行的效果。

百度车路协同经过这些年的不断努力以及大规模的试车验证取得了很好的成绩，现在我们也在通过交通大模型全域感知的能力，继续加强赋能在L4和L2的V2X服务。

L4主要强调安全冗余，网联智能比单车智能永远要强的一点就是安全冗余和安全规避。通过实际效果，已经能从多种应用场景提升自动驾驶的安全指标。

L2主要强调通行体验，从路侧延伸通行提醒和提示服务，现在我们已经能够提供30+网联服务，覆盖灯态服务、事件上车和精准导航。

关于车路协同，特别是全域感知的车路协同其实是一个很大话题，以后我们再单独开辟时间来更深入的介绍和探讨。

在服务于城市方面，又体现在城市交通和城际交通两个方向。

在城市交通方面，百度基于交通大模型重构了交管业务，从智能信控、安全态势、执法效率、出行服务四个场景切入，并取得了很好的效果。在北京亦庄实现了绿灯自由，路口车均延误率下降达28%；河北保定，城区拥堵指数下降8.96%。湖南株洲，区域平均速度提升11%；重庆永川，城区拥堵指数下降11.25%；

在城际交通方面，百度基于交通大模型重构了高速业务应用，从态势研判、安全防控、智能运营、伴随服务四个场景切入，也取得了不错的效果。

百度在河北京哈高速打造了12345智慧高速体系，路段达到可测、可视、可控、可服务，实现准全天候通行；携手广东交通集团，建立了全国首个覆盖全省、超万公里的数字底图，赋能建管养运服全场景；在京雄高速打造形成全国首个L2-L4级自动驾驶专用车道；在浙江绍兴建成全国首条支持高级别自动驾驶的路网级智慧快速路。

大模型时代大幕拉起，我们致力于和各位伙伴共建“更繁荣、更开放”的智能交通生态圈，为合作伙伴提供“资源共享、能力互通、市场共赢”的合作政策，保障合作伙伴的长期权益。

目前，我们已经联合140多家生态合作伙伴，共同为200多个城市及地区提供智能交通服务。

现在我们能够清晰地看到在大模型时代，智能交通发展空前广阔。

百度作为先行军和探路者，将持续迭代和进化，在技术上啃最硬的骨头，在场景里做最棒的效果，持续为行业贡献百度力量。