行业大模型「他们说」：交通大模型的机遇与挑战
2023上半年，智能交通市场技术产品迎来集体爆发。年初ChatGPT横空出世，不断刷新人类对人工智能技术的认知。国内互联网大厂、科技巨头、科研院所等玩家纷纷入局，抢滩大模型。一时间，大模型赛道成百舸争流之势，且仍在不断升温。
360集团创始人周鸿祎在公开演讲中表示：未来垂直大模型是重要的发展方向，通用模型和各领域专有的知识数据结合，将让大模型从“万事通”变成行业通、企业通。
显然，通用大模型与行业结合将产生更大的价值已成为行业共识。
近段时间，百度、阿里云、商汤科技、千方科技、海信网络科技、佳都科技等智能交通市场参与者纷纷公布在交通+大模型方向的解决方案和应用场景探索进展。
但作为新兴概念，大模型技术目前还处于探索阶段，面临着诸多技术难题和挑战。大模型到底能给交通行业带来哪些应用？下一步发展面临哪些问题，又该如何解决？
在赛文交通网主办的“交通大模型实践应用探索”在线研讨会中，青岛海信网络科技股份有限公司智慧交通事业本部总经理王雯雯、北京卓视智通科技有限责任公CEO吴柯维、深圳市城市交通规划设计研究中心交通信息与模型院院长丘建栋、阿里云智能交通物流行业总经理张磊、百度智能交通首席科学家聂小建等分享了他们对于交通大模型的看法。
1
大型语言模型的爆火让人们看到了复杂场景下的大规模知识抽取和表达的希望，以知识表达和调用为核心的AI语言生成应用给交通行业带来了机遇与挑战。
大模型的优势是什么？为什么各大企业纷纷发布交通大模型？当我们提到交通大模型的时候，究竟在谈论大模型的哪些能力？
百度智能交通首席科学家聂小建总结了以下几点：一是自然语言处理能力，如和文字相关的交通报告分析、语音识别等；二是轨迹大数据，在交通出行建模、拥堵研判，主流交通路径等方面有所应用；三是多模态，比如如何从视频转化为交通流指标等，都是交通大模型中非常重要的因素；四是计算机视觉模型，在车道线、红绿灯、交通违法事件等交通要素识别方面的应用还是比较多的。
4月，百度基于文心大模型在高速公路领域发布了数字人“简璐璐”，服务于路网监测、应急指挥、养护管理、公众出行全环节，可以结合用户问题，提供全新对话式交互，实时给出精准答复。
随后，在交通管理领域发布了全域信控缓堵解决方案，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，实现信控优化的代际提升，可实现超千规模路口的全域拥堵治理。
“大模型通过自监督的方式，找到了一种能够基于原有语料，充分运用人类已经产生的知识进行训练的学习方法。这种学习方法打破了过往需要人工打标记的训练方式，让训练数据的成本大大降低，数据来源几乎无穷无尽。”北京卓视智通科技有限责任公司CEO吴柯维在研讨会中表示。
交通态势的全面及时、精准感知是智慧交通的基础，也是一直以来困扰行业的难题。青岛海信网络科技股份有限公司智慧交通事业本部总经理王雯雯表示：交通事件识别不准的问题在交通行业是普遍存在的。现阶段在应对AI大规模落地应用问题上，预训练大模型借助其通用、泛化能力优势为AI落地提供了新的解决思路。
海信从2018年与鹏城实验室展开合作，持续探索视觉模型在交通行业中的深度应用。鹏程-大圣系列大模型是鹏城实验室视觉智能研究所基于鹏城云脑Ⅱ训练打造，其中3亿、10亿参数的视觉大模型性能已达到国际领先水平，3亿参数视觉大模型相关代码已在全球最大的代码托管平台Github上开源开放。在此基础上，海信将丰富的交通场景数据与大模型融合，持续提升视觉感知的场景泛化能力。
大模型具有更好的通用性、精度和效率，在大规模算力硬件及算法支持下，可训练更复杂、更丰富的模型结构，处理在决策过程中的各种变量因素；其具备的大规模数据处理能力、模型可解释性、强大的泛化能力等有望突破现有模型结构精度局限，能够高效地处理交通行业复杂多变的场景需求，提供更加智能、高效的解决方案和决策支持。
2
近半年来，国内呈现“百模大战”的盛况。但当喧嚣过后，摆在玩家眼前的更多是对于市场变现的理性思考，大模型能否真正落地，并在应用层面实现质的突破才是成功的关键。
大模型到底能给交通行业带来哪些应用？这也是行业用户最为关注的问题。
交通感知方面，大模型可以进行道路路况识别和车辆车流密度检测。基于某帧画面生成当前路况描述并直接发布，这些数据可以连接到情报版或导航软件，将海量的监控图片、监控数据利用起来。
此外，大模型在道路分割、服务区、停车场余位识别、交通事件检测等方面也有所应用，可做到让视频监测真正免配置，大幅提升检测准确率。
交通治理方面，通过大模型的语义理解、泛化推理、自动取数能力可对历史交通数据和实时交通数据进行分析，精准定位、判断某路段和某区域的交通状况；快速聚焦交通运行核心痛点问题；预测未来交通状况；提供初步、快速的交通决策支持，缓解交通规划方案和治理经验复用高度依赖高阶人才（总师）的难题。
控制系统优化方面，大型语言模型通过集成和调度车辆监管、交通信号调整、智能导航、智能停车等多种智能服务，实现交通系统的动态优化和智能化服务，提高交通治理效率和安全性。
在交通物流行业中，大模型的应用场景可分为两类，一类是人机交互类场景，如数字人、智能客服。面向问答类场景，通过调用大模型的理解能力、推理能力、解决问题的能力，将一个问题拆分成多个任务，由大模型和交通业务系统共同完成，并将语料资源整合成完整的答案交付给用户，从而开发作业系统增强服务、专业咨询引导和内容生产服务。
另一类是创新型场景，这类场景用到了大模型的跨模态能力、生成式的智能化能力，如智能报表分析、运力助手，并可面向终端用户提供营销类应用。
有观点认为，在未来的两到三年，行业内80%以上的业务系统和开发者、用户交互的方式会被基于大模型的新的智能化的交互方式所替代。
王雯雯认为，未来交通大模型应用场景还是比较丰富的，在自动驾驶、交通仿真等场景下都可以值得探索。通过视觉大模型技术丰富交通的全要素感知、数字底座来提升精度，服务于面向更广阔的智能网联、自动驾驶等场景。
此外，交通领域中大数据的应用对于现状的认知和分析起到了一定的作用，但是对于预测分析决策的深层次应用研究目前还比较少，未来，在预测分析决策上实现类ChatGPT的重大突破也是值得探索的方向。
3
截至目前，大模型在实际中的应用还不是很理想，缺乏既有的行业经验、标准和指引，业界关于大模型的疑惑也越来越多。
在赛文年会采访中，百度智能交通研究院院长李琴表示，交通大模型的规模落地从目前来看至少存在以下三方面的挑战：
首先是交通行业的数据安全问题。数据的确权是一个非常敏感的问题，之前的数据难以转换成数据资产和数据资源以及变成数据要素，最终形成数据产品。
2022年12月，党中央和国务院发布了《关于构建数据基础制度更好发挥数据要素作用的意见》，又称“数据二十条”。二十条中一项最重要的基础工作就是对数据产权进行了三权分置，把数据资产的所有权以及使用权和数据产品的运营权做了区分，当前数据方面还是有一定的瓶颈，但是随着数据二十条的深入推进，越来越多的企业以及行业伙伴加入到这个行业里来，数据方面应该是会得到一些相关的改善。
其次是成本问题。当前不论是大模型的训练还是迭代，都会耗费较多的算力相关资源。成本上还是会有一定的影响。交通行业有着摩尔定律，随着越来越多的资源投向这个行业，大家的需求量越来越大，包括芯片算力、算法和数据的迭代在内的技术的进步，也会促使成本迅速的下降，有利于整个交通大模型的推广和应用。
最后是行业对于大模型的理解还不够深入。大模型虽然并不是今年才新兴的概念，但是受到广泛关注却是在最近一段时间，行业从业者、企业对大模型的投入度和理解程度还是不够，且大模型和交通行业的结合也还不够。
此外，深圳市城市交通规划设计研究中心交通信息与模型院院长丘建栋认为：大语言模型的挑战在于其输出的是灰度理解和模糊表达。这是一种通过多角度、多视角、多方式地表达同一个概念的特殊的表达方法，目的是提高模型在学习和预测文本内容时的表达能力和创造性。
但这种表达方式带来的模糊性和难以捉摸性可能给特定的场景带来误解或误差，会降低模型预测结果的准确度和可靠性，与实际交通场景中对高精度的需求不相符。需要与原有数据库系统的精准指标相融合，才能达到较实用的效果。
4
当很多人都涌入到同一赛道时，泡沫的产生不可避免。当市场热潮退却，行业“去泡沫化”后，大模型赛道的竞争才真正开始。
大模型确实可以让行业跃迁到一个全新的阶段，但行业对于大模型要进行理性的判断，它有能的一面，也有不能的一面。
无论是传统的模型还是当下火热的大模型，都是为了交通最原始的目标服务，即为车流、物流、客流提供更加安全、畅通、舒适的交通服务，善选工具、善用工具才是交通行业应该更关注的事情。
RECOMMEND
推荐阅读