近日，北京航空航天大学智能交通技术与系统教育部重点实验室正式发布了大语言模型（LLM）与交通行业智慧深度结合的最新产品 --- TrafficGPT（图1）。

图1. TrafficGPT框架图

01、行业背景

近期，以 ChatGPT 为代表的大型语言模型引发了广泛瞩目，并且在教育、金融、视觉等领域都孕育了能够精准满足行业特定需求的垂直应用。

但是由于交通问题的大规模、复杂性、非线性问题，LLM 难以与交通系统开展交互。开发LLM与交通系统的交互能力，并基于此在交通大数据、交通优化、交通评估、交通预测、智能决策等领域开展深入应用，成为一个前沿而充满挑战的课题。

02、TrafficGPT是什么？

TrafficGPT是智能交通技术与系统教育部重点实验室张钊副教授课题组开发的一款融合了大语言模型（LLM）和交通基础模型（TFM）的人工智能助手。

它的目标是通过强大的自然语言理解和复杂的交通系统开展交互，通过一系列可拓展的工具赋能 LLM，使其真正具备了多模态、大规模交通数据的处理分析能力，交通仿真、交通优化、交通评估能力，从而完成一些复杂的操作，为人类用户提供有洞见的建议和决策。

图2. TrafficGPT原理图

相比于其他大模型产品，TrafficGPT的4大优势： 

1) 赋予LLM分析和处理交通数据、与交通系统交互的能力，并为城市交通系统的管理提供具有洞察力的决策支持；

2) 对抽象且复杂的任务进行智能解构，并按顺序利用交通基础模型逐步完成这些任务；

3) 通过自然语言对话帮助人类在交通管理与控制中做出辅助决策；

4) 实现交互式反馈并征询修正结果。

TrafficGPT对大语言模型与交通基础模型的整合有望利用AI的潜力来应对交通数据分析和决策所带来的复杂挑战，从而彻底改变交通管理与控制领域的工作方式。

03、TrafficGPT如何工作？

为了展示 TrafficGPT 框架在处理各种交通相关场景的复杂任务方面的能力，我们构建了两个应用，分别侧重于交通大数据分析（Data Processing Bot）以及交通仿真和控制（Simulation Control Bot）。下面我们将通过一些对话案例，逐步展示 TrafficGPT 的不同能力水平。

◼ 基础能力

作为人工智能交通分析师，TrafficGPT 最基本的能力在于它能够根据人类用户提供的指令进行多轮对话并执行交通相关的基本任务。

图3. TrafficGPT基本操作能力（a: OD数据生成及热力图绘制；b：路网交叉口交通运行状态评估）

如视频所示，在软件的可视化界面中展示了TrafficGPT根据人类提供的多轮简单指令执行交通数据分析及可视化任务的能力和效果。

◼ 模糊需求

在 TrafficGPT 的实际应用中，用户可能并不详细了解系统内的可用工具或其具体的输入参数要求。因此，用户很容易提出模糊的请求或询问。

图4. TrafficGPT模糊需求反馈（a: 模糊需求下的热力图绘制；b：路网交叉口信号灯优化）

上述示例中展示的功能凸显了 TrafficGPT 对人类用户以自然语言表达的各种问题和命令的适应性。这进一步凸显了它辅助人类参与交通相关任务的潜力。

如视频所示，同样在软件的可视化界面中展示了TrafficGPT的模糊需求处理能力。在获取人类用户的模糊指令后，TrafficGPT向其询问更具体的信息以确保答案的准确性、可靠性。

◼ 交通洞察

为了向人类用户提供更全面的帮助，TrafficGPT 必须展示其辅助人类决策、进行整体分析、依据真实数据提供可信、可靠、可操作的建议等能力。TrafficGPT 必须展现出对交通相关问题的深刻理解，而不仅仅是机械地执行人类指令。

图5. TrafficGPT思维过程

除了交通分析和优化建议外，TrafficGPT还可以根据交通网络的运行状态智能生成交通运行状态报告。

图5展示了一次Demo测试中TrafficGPT 与人类用户之间的 6 轮对话。用户提出了一个关于模拟道路网络的广泛而开放的问题，TrafficGPT 需要根据交通管理常识和所掌握的工具解构任务并规划合理的行动流程。

左栏显示了他们第一轮对话中TrafficGPT的逻辑链条。TrafficGPT 在一开始并不了解交通网络的具体信息，因此试图通过工具调取交通运行状况数据。

然后，TrafficGPT 根据运行状态数据并结合交通管理基础知识，确定了三个运行状况较差的交叉路口，并尝试优化其信号控制方案。为了向用户提供更多信息，TrafficGPT 还贴心地利用可视化工具在地图上标出了这三个路口的具体位置。

最后，TraffiGPT 认为自己已经掌握了足够的信息来回答用户的问题，因此根据思考过程生成了详细的优化建议。这一对话环节充分体现了 TrafficGPT 在面对开放性任务时所具备的超强逻辑推理和执行能力。

在接下来的对话中，用户要求 TrafficGPT 提供优化结果。在分析数据时，TrafficGPT 发现在最初推荐优化的三个交叉口中，只有两个优化效果较好。

由于用户和 TrafficGPT 对优化结果的评估存在一些歧义，TrafficGPT 向用户细致地阐明了自己的理由。随后，TrafficGPT 根据仿真结果修正了最初的建议，并提出了可实施的优化方案。

除了交通分析和优化建议外，TrafficGPT还可以根据交通网络的运行状态智能生成交通运行状态报告。

如视频所示，在软件的可视化界面中，TrafficGP接收撰写报告的用户需求后，自主调取运行状态数据、识别关键交叉口位置、尝试信号优化与评价验证，并根据以上结果写了一篇图文并茂、数据严谨的交通报告。

04、TrafficGPT的未来

我们致力于不断改进和扩展TrafficGPT的功能，以更好地服务交通领域的需求，TrafficGPT可以在交通领域的多个细分领域提供帮助，包括但不限于：

1.智慧交管：将TrafficGPT整合到平板电脑，使传统中央数据大屏下沉至交通管理一线，TrafficGPT生成交管方案，辅助交通警察决策。

2.智慧交通规划：基于交通大数据智能进行OD估算、预测、路段流量估计、预测、公交方式分担预测等，辅助城市交通规划。

3.交通仿真：通过简单文字描述和地图描述，让TrafficGPT一键生成交通仿真，并通过对话式问答，完成精细化交通仿真和参数调整验证等过程，革命性降低交通仿真成本，成几十倍效率提升建模效率。

05、TrafficGPT的开源计划

TrafficGPT项目正在Arxiv上发布相关论文供大家查看。在发布前您可以在下面的GitHub代码仓库中找到我们的论文。

论文链接：https://arxiv.org/abs/2309.06719

此外，项目代码将于一个月内在GitHub社区开源。我们鼓励您深入研究我们的工作，提出反馈和建议，以及与我们一起推动交通领域的智能化发展。

•开源代码仓库：https://github.com/lijlansg/TrafficGPT.git

06、结语

TrafficGPT是一个革命性的AI助手，将重新定义交通领域AI助手的标准。我们对未来充满信心，期待与您一起共同探索交通行业的创新之路。

视频分别为多轮基础操作、模糊操作、报告生成操作过程。