TrafficGPT的新一代产品

赛文交通网 智能交通 智慧交管

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张钊副教授公开发布了实验室TrafficGPT的新一代产品 --- TrafficGPT v2.0。（TrafficGPT 1.0详情见推文：北航发布AI智能交通分析师TrafficGPT ）

图1 TrafficGPT v2.0应用框架

北航TrafficGPT v2.0交通行业垂直大模型以通用大模型为基座，依托智能交通技术与系统教育部重点实验室前沿科研成果，深度融合多元交通行业模型、高效接入海量交通专业数据，以核心能力微调为加持，使大模型具备多模态交通数据处理、智慧交通辅助决策、交通安全智能分析等行业亟需能力。目前，TrafficGPT已同步开发多个细分领域产品，在辅助决策、交通建模、交通安全等方向持续发力，在应用与交互中持续学习人类智慧。

双大脑智能辅助决策

在智慧交通管控领域的实际应用中，仅仅依赖大模型和交通行业模型生成的辅助决策可能存在不稳定性，因为生成的管控方案仍然可能受到大模型的幻觉影响。为了解决这一问题，TrafficGPT v2.0引入了双大脑架构，为智慧交通辅助决策提供更为丰富的功能支持。

图2 双大脑辅助决策架构

在TrafficGPT v2.0的架构中，交通行业模型和交通仿真模型共同支撑着系统的运行。这使得TrafficGPT v2.0得以对时空数据进行交通流模型构建和交通状态预测。通过时空聚类，该系统能够识别关键区域，并进行自主仿真建模，对多种管控措施进行分布式测试与验证。

这种创新性的设计不仅为用户提供了更为可靠的决策支持，同时通过一系列行动与反馈的循环中不断学习人类的交通管理经验。通过双大脑架构，TrafficGPT v2.0实现了对智慧交通辅助决策功能的全面支持，提高了管控方案的稳定性和可信度，为智慧交通管控领域的落地提供了更为切实有效的解决方案。

零代码交通智能建模

在智慧交通科研及生产领域，交通建模无疑是不可或缺的技术基础，而利用大模型来减少交通建模的成本成为当前交通行业大模型落地应用的一项重要挑战。这一挑战涉及到时间成本、数据成本等多个方面的优化。

TrafficGPT v2.0搭建了自然语言交互的智能化交通建模助手，赋能LLM实现基于多模态数据的智能化的城市交通建模数字底座。在时间成本方面，大模型通过简化自然语言的人机交互，使决策者能够更快速地获取交通建模结果，提高决策效率。

在数据成本方面，大模型通过打通不同数据格式的转化难题，实现了来自多源异构数据的高效整合。具体来讲，TrafficGPT v2.0提供了对包括文字描述、实景地图、手绘图、数据文件等不同数据模态的交通建模支持。

图4 交通建模的多模态输入支持

在图生路方面，我们支持将您提供的卫星图或手绘图等图像信息转化为交通建模的结构化数据。例如：当您手中有一份卫星图而您无法在OpenStreetMap等网站上得到相关路网信息，或是您手中有一份您自己手绘的道路图时，您可以对TrafficGPT说：请帮我把这份卫星图/手绘图中的道路信息提取出来。随后您就可以得到GMNS以及其他主流仿真软件的路网建模文件。您可以利用该文件来轻松地进行后续的研究工作。

图5 卫星图路网转化

图6 手绘图路网转化

在文生路方面，我们支持根据您提供的地点信息直接生成交通建模的结构化数据。比如，当您想要获取故宫周围1000m的路网信息时，您可以和TrafficGPT说：帮我生成故宫周围1000m范围内的路网。随后您就得到故宫周围1000m的路网图与包含丰富路网信息的GMNS文件。您可以根据此文件进一步进行交通建模与仿真。

或者，您也可以直接描述您想要建模的路网特征，TrafficGPT同样可以进行自动化建模与修改。

图7 根据地理信息生成路网

图8 根据路网特征描述生成路网

这一创新性的解决方案为大模型在交通建模领域的应用打开了新的可能性，为降低时间和数据成本、提高决策效率和准确性提供了有力支持，将为未来交通科研和生产领域带来更加智能化、高效的交通建模工具。

TrafficGPT的未来

我们致力于不断改进和扩展TrafficGPT的功能及应用场景，以更好地服务交通领域的需求。我们相信，交通行业可以借助人工智能技术取得巨大的进步。

结语

TrafficGPT v2.0的推出不仅解放了交通行业参与者的双手，同时也开启了交互式学习的新篇章。我们对未来充满信心，期待与您携手共同探索交通行业的创新之路。