大型語言模型在智能交通管理領域的應用研究

摘 要：智能交通管理系統(tǒng)（Intelligent Transportation Management System， ITMS）是一個涉及交通規(guī)劃、交通控制、道路安全等多方面的復雜系統(tǒng)。以智能交通發(fā)展的現(xiàn)狀為輸入，分析當前智能交通領域面臨的問題，輸出包括場景理解、事件推理、場景構(gòu)建等任務，構(gòu)建基于多模態(tài)大型語言模型的新興交通應用；從交通數(shù)據(jù)分析、交通預測、智能交通控制、道路安全分析、智能出行推薦等角度探討大型語言模型（Large Language Model， LLM）未來在智能交通管理領域的應用，更好地發(fā)力智能交通領域，促進行業(yè)交流，推動行業(yè)變革。

關鍵詞：智能交通；ITMS；大型語言模型；跨模式處理；數(shù)字化；物聯(lián)網(wǎng)

中圖分類號：TP393 文獻標識碼：A 文章編號：2095-1302（2024）05-0-03

0 引 言

智能交通應用的落地，得益于全球范圍數(shù)字化和智能化的快速發(fā)展，尤其是人工智能、云計算、大數(shù)據(jù)等新技術(shù)的廣泛運用，讓制造業(yè)智能化轉(zhuǎn)型升級進行得如火如荼，智能交通領域也正進行著一場深刻的變革[1-6]。隨著智能交通技術(shù)的不斷完善，未來將發(fā)掘更多物聯(lián)網(wǎng)的應用潛能，以助力智慧城市建設[7-8]。城市智能交通管理系統(tǒng)在基礎設施和集成應用上面已經(jīng)取得了顯著的成效，首先智能交通已經(jīng)逐步完善，在很多國家級大型活動和峰會當中都凸顯了智能交通管理系統(tǒng)起到的作用，同時在城市的快速發(fā)展過程當中在百姓日常出行、車路協(xié)同等方面表現(xiàn)出一定的效果[9-10]。智能交通已經(jīng)成為城市建設不可分割的重要組成部分。

1 中國智能交通的發(fā)展現(xiàn)狀

中國智能交通已經(jīng)在車聯(lián)網(wǎng)、智能駕駛、交通預測等多個方面取得了成果，各大城市已經(jīng)開始探索建設智能交通系統(tǒng)，以提高交通管理效率和交通安全水平。

（1）車聯(lián)網(wǎng)技術(shù)的應用：中國車聯(lián)網(wǎng)技術(shù)應用已經(jīng)取得顯著進展，包括智能交通信號控制、車聯(lián)感知、智能停車等應用，極大地提升了智能交通系統(tǒng)的運行效率。

（2）智能駕駛示范區(qū)建設：多地已經(jīng)建設智能駕駛示范區(qū)，包括北京自動駕駛示范區(qū)、上海國家自動駕駛示范區(qū)、重慶智能網(wǎng)聯(lián)汽車應用示范區(qū)等，加速了汽車、硬件和軟件產(chǎn)業(yè)的發(fā)展。

（3）交通數(shù)據(jù)管理能力提升：城市交通數(shù)據(jù)管理能力和技術(shù)水平不斷提升，城市數(shù)米、領航數(shù)據(jù)、高德地圖等企業(yè)的交通數(shù)據(jù)管理和分析技術(shù)逐年成熟。

（4）政府引導推動：政府通過資金支持、政策引導等方式，推動城市智能交通發(fā)展。比如，北京市、上海市等城市出臺各類交通智能化相關政策，鼓勵企業(yè)的技術(shù)研發(fā)和產(chǎn)品推廣。

（5）交通管理的智能化：交通治理領域的智能化應用已經(jīng)逐步展開，包括智能路網(wǎng)控制、交通一張圖管理、智能擁堵疏導等方面的應用，讓城市交通的治理水平有了很大的提升。

由此可以看出，智能交通在中國有十分廣闊的發(fā)展前景，政策制定、技術(shù)創(chuàng)新、應用推廣等方面都有著相當大的潛力和需求。隨著技術(shù)和政策的進一步加強，中國的智能交通將會成為建設智慧城市和實現(xiàn)可持續(xù)發(fā)展的重要產(chǎn)品和服務之一。

2 智能交通管理領域目前面臨的問題

智能交通是指利用高科技手段，實現(xiàn)通信、信息、控制和感知等多元技術(shù)手段的高度融合，通過對交通系統(tǒng)進行數(shù)據(jù)采集、傳輸、處理和控制，實現(xiàn)交通信息智能化、交通系統(tǒng)智能化和交通運輸智能化的綜合應用。目前，智能交通管理領域仍面臨許多問題，需要我們認真思考行之有效的解決方案。

（1）城市交通狀況不可控：城市交通流量變化快速，傳統(tǒng)的交通管理方法可能無法滿足實際需求，需要更加靈活、響應迅速的系統(tǒng)。

（2）數(shù)據(jù)管理問題：交通行為數(shù)據(jù)越來越復雜，需要存儲和處理大量的數(shù)據(jù)，需要強大的數(shù)據(jù)管理解決方案。

（3）不同系統(tǒng)之間的相互獨立性問題：由于智能交通管理系統(tǒng)通常由不同的供應商開發(fā)，導致各個系統(tǒng)之間難以互相集成和協(xié)同工作。

（4）隱私保護問題：在智能交通管理中，用戶個人數(shù)據(jù)的保護尤為重要，系統(tǒng)應采取安全措施以保護用戶隱私。

3 大型語言模型在智能交通管理領域中的具體應用

ChatGPT的出現(xiàn)開啟了AI應用領域的新紀元。ChatGPT擁有超過1 750億個參數(shù)，是由OpenAI開發(fā)的一種大型語言模型，特別是在自然語言處理（Natural Language Processing， NLP）方面讓人印象深刻。ChatGPT的出現(xiàn)迅速催生出各種工程領域的應用場景。

大型語言模型是一種基于深度學習的人工智能技術(shù)，在自然語言處理（NLP）領域已經(jīng)取得了很大的成功，尤其是NLP能夠分析和處理來自傳感器、相機和物聯(lián)網(wǎng)設備等非語言來源的數(shù)據(jù)，這對于開發(fā)包羅萬象的智能交通管理系統(tǒng)至關重要。在交通領域，大型語言模型可以用于解決許多關鍵問題，如交通擁堵預測、交通路線優(yōu)化、車輛識別、自動駕駛和智能交通控制等。

（1）交通擁堵預測：通過大型語言模型，可以處理大量的交通數(shù)據(jù)并對交通擁堵進行預測。例如，可以利用歷史交通數(shù)據(jù)，預測特定時間段內(nèi)的交通狀況，并提供相應的調(diào)節(jié)建議以緩解交通擁堵。

（2）交通路線優(yōu)化：大型語言模型可以通過深度學習算法，學習和預測每個時間段不同路線的速度、流量和擁堵情況，并給出最優(yōu)的路線推薦，從而提高交通效率。

（3）車輛識別：可以利用大型語言模型匹配車輛顏色、車型等特征，并在交通瓶頸處進行智能識別和分類，從而更好地實現(xiàn)智能交通管理和交通控制。

（4）自動駕駛：大型語言模型可以通過深度學習和數(shù)據(jù)分析，逐漸適應人類駕駛行為，并與傳感器數(shù)據(jù)相結(jié)合，實現(xiàn)車輛在自動駕駛方面的智能決策能力和行車規(guī)劃能力，提高交通安全。

（5）智能交通控制：大型語言模型可以學習城市道路拓撲結(jié)構(gòu)、信號燈配時、擁堵情況等交通信息，從而更好地實現(xiàn)動態(tài)交通流的調(diào)度和管理，提高交通效率。

總的來說，大型語言模型將成為未來交通領域的重要技術(shù)，可以幫助解決智能交通管理中的重要問題，從而實現(xiàn)更加高效安全和可持續(xù)的交通發(fā)展。

4 交通中的大型語言模型的跨模式處理

2023年3月，美國中佛羅里達大學Dr. Aty團隊發(fā)表了題為“ChatGPT is on the horizon： Could a large language model be all we need for Intelligent Transportation？”的文章，其中不僅展望了LLM驅(qū)動ITMS未來的應用場景，還提出了一個基于智能手機的事故報告自動生成框架。該框架提取手機傳感器捕獲的多個數(shù)據(jù)源，然后將數(shù)據(jù)傳輸?shù)秸Z言空間進行文本挖掘、推理和生成，并進一步輸出形成綜合事故報告所需的關鍵信息。

由此可見，大型語言模型（LLM）是交通智能化領域的關鍵技術(shù)之一，它可以將文本解析為有意義的信息，利用深度學習技術(shù)進行分析，以實現(xiàn)對車輛、行人、交通信號等交通要素的智能控制和管理。交通中的LLM跨模式處理是指將不同模式的交通數(shù)據(jù)（如文本、圖像、傳感器數(shù)據(jù)等）整合到LLM中進行處理，如視覺語言轉(zhuǎn)換、視覺反事實推理、視覺數(shù)據(jù)生成、音頻語言轉(zhuǎn)換等，以實現(xiàn)更加全面和準確的交通信息推理和決策。

具體而言，交通中的LLM跨模式處理主要有以下3個方面：

（1）文本和圖像信息的融合：文本和圖像是交通數(shù)據(jù)中最為常見的兩種數(shù)據(jù)類型，它們可以提供豐富的交通信息。比如，文本可以提供道路名稱、行駛規(guī)則等信息，而圖像可以充分采集道路上車輛、行人和交通信號等交通元素的運行信息。在LLM中融合這兩種數(shù)據(jù)類型可以提高交通信息的豐富性和準確性。

（2）傳感器數(shù)據(jù)的融合：傳感器數(shù)據(jù)在交通管理中也扮演著重要的角色，包括雷達信號、GPS、微波信號等，傳感器數(shù)據(jù)可以提供車輛速度、方向等信息。將傳感器數(shù)據(jù)與文本和圖像信息融合到LLM中，可以提高交通信息的精確度和覆蓋范圍。

（3）跨模式聯(lián)合推理：交通要素之間的關聯(lián)性往往較強，比如車輛速度和車流量之間具有一定的關聯(lián)性。利用LLM跨模式聯(lián)合推理，可以更好地發(fā)現(xiàn)這種關聯(lián)性，實現(xiàn)交通信息的聯(lián)合推理和決策，以提高交通安全和效率。

總之，交通中的LLM跨模式處理是一種重要技術(shù)，可以利用不同類型的交通數(shù)據(jù)，進行更加全面和準確的交通信息分析和決策，有助于智能化交通系統(tǒng)的優(yōu)化和發(fā)展。

5 大型語言模型在智能交通管理領域的應用路徑

在智能交通管理領域，大型語言模型具有很大的應用潛力，推動大型語言模型在智能交通管理領域的應用需要政府、企業(yè)和社會各方共同努力，以政府為主導，發(fā)揮各種資源、政策和法律手段的作用，促進各方面的合作、創(chuàng)新和共同發(fā)展，實現(xiàn)智能交通更快、更優(yōu)地發(fā)展。

5.1 加強數(shù)據(jù)共享

大型語言模型需要大量的數(shù)據(jù)支持，政府可以推動交通主管部門和企業(yè)單位的數(shù)據(jù)共享，以收集更全面的交通數(shù)據(jù)。具體可以從以下4個方面著手：

（1）提高數(shù)據(jù)共享的意識：政府、企業(yè)、研究機構(gòu)等各方應該共同認識到數(shù)據(jù)共享的重要性，建立數(shù)據(jù)共享的意識和文化，把數(shù)據(jù)共享作為加強智能交通發(fā)展的基礎。

（2）建設數(shù)據(jù)共享平臺：政府和行業(yè)組織可以共同發(fā)起建設交通數(shù)據(jù)共享平臺，整合并標準化各類交通數(shù)據(jù)，供公眾、研究人員、企業(yè)等使用。例如，建設服務于智慧交通的城市數(shù)據(jù)中心，提供智能交通數(shù)據(jù)開放接口，支持第三方應用開發(fā)、數(shù)據(jù)挖掘和分析等功能。

（3）保障數(shù)據(jù)安全和隱私：為了保障數(shù)據(jù)共享的合法性、安全性和隱私性，需要建立數(shù)據(jù)共享的管理體系和法規(guī)制度，讓數(shù)據(jù)的使用者和所有者的權(quán)益得到充分的保護。

（4）鼓勵參與激勵機制：以政府為主導，積極與企業(yè)開展合作，以互利共贏為出發(fā)點，建立鼓勵數(shù)據(jù)共享的激勵機制，例如財政補助、專利授權(quán)、知識產(chǎn)權(quán)保護等措施，為數(shù)據(jù)共享的各參與方提供積極刺激和回報。

5.2 建設示范項目

以政府為主導開展智能交通應用示范項目，引領大型語言模型在實踐中落地應用。

（1）確定示范項目目標：基于實際需求和切實可行的技術(shù)，制定明確的示范項目目標和任務，如降低交通擁堵、提高交通安全等，以便有針對性地展開示范工作。

（2）組建跨領域團隊：智能交通應用涉及多個領域，建議組建以政府、企業(yè)、科研機構(gòu)和高等教育機構(gòu)等為主體的跨領域團隊，集合各相關領域的專業(yè)人才，共同推進示范項目。

（3）確定示范區(qū)域和場景：根據(jù)示范項目的目標和任務，確定包含的示范區(qū)域和場景。區(qū)域可以涵蓋城市核心區(qū)、工業(yè)園區(qū)、景區(qū)等。場景可以涉及城市交通、公共交通、出租車、物流等多種場景。

（4）選擇有效的技術(shù)和設備：根據(jù)示范項目目標選用可行有效的技術(shù)和設備，如道路邊緣設備、移動設備、車輛設備等。

（5）建立數(shù)據(jù)采集和交換平臺：智能交通應用示范項目需要大量的實時數(shù)據(jù)支撐，建議建立數(shù)據(jù)采集和交換平臺，如視頻監(jiān)控設施、傳感器等，以支持示范項目的順利開展。

（6）進行公眾宣傳和交流：智能交通應用示范項目的結(jié)果需要得到社會的廣泛認可和支持，建議通過多種途徑，如舉辦會議、展覽、沙龍等方式，向公眾宣傳示范項目成果。

5.3 重視人才培養(yǎng)

智能交通是一個新興的技術(shù)領域，需要各方面人才的共同努力和貢獻。高等教育機構(gòu)可以充分利用自身的資源和優(yōu)勢，培養(yǎng)具有適應智能交通快速發(fā)展的高素質(zhì)人才。

（1）開設相關學科和課程：高?？梢蚤_設交通工程、物聯(lián)網(wǎng)、數(shù)據(jù)科學等相關學科，建立智能交通專業(yè)的本科和研究生課程，包括智能交通技術(shù)、交通模型與優(yōu)化、機器學習等方面的知識。

（2）提供實踐機會：高?？梢耘c企業(yè)、政府等機構(gòu)合作，提供實踐機會，讓學生能夠接觸和了解行業(yè)實踐，并積累實踐經(jīng)驗。

（3）進行科研和項目合作：高?？梢耘c科研機構(gòu)和企業(yè)合作，在智能交通領域的基礎研究和實踐性項目中積極參與，培養(yǎng)和磨煉學生的智能交通技能和實際操作能力。

（4）強化人才培訓和職業(yè)規(guī)劃：高?？梢约訌妼W生職業(yè)規(guī)劃和人才培訓，為學生提供就業(yè)指導、實習機會，并關注學生就業(yè)動態(tài)，為學生提供長期支持和人才培養(yǎng)計劃。

6 結(jié) 語

總體而言，大型語言模型在智能交通管理領域的應用研究已經(jīng)取得了一定的成果和進展。通過深度學習、多模態(tài)融合等技術(shù)手段，可以處理和分析大量的交通數(shù)據(jù)，提高交通預測、交通控制、路況識別等方面的精度和效率，構(gòu)建起完善的智能交通管理系統(tǒng)。

然而，目前的研究還存在一些挑戰(zhàn)和難點，比如城市交通狀況不可控、數(shù)據(jù)管理難、不同系統(tǒng)之間的相互獨立性問題、隱私保護問題等。此外，智能交通管理領域的應用受到很多因素的影響，如人口流動、城市化建設、交通規(guī)劃等，需要跨學科合作和綜合治理才能實現(xiàn)更好的效果。因此，未來需要以政府為主導，進一步加強交通數(shù)據(jù)和技術(shù)的應用研究，并充分考慮交通領域的復雜性和多樣性，推動智能交通系統(tǒng)的科學化、智能化和可持續(xù)發(fā)展。

參考文獻

[1] GE Y，LIN F，LI Q. Integration of big data analytics and language model for intelligent transportation systems [J]. IEEE access，2020，8：84658-84672.

[2] LI S，CHEN X，WANG J，et al. Research on intelligent transportation system with deep learning based language model [C]// Proceedings of 2019 International Conference on Robotics，Automation and Communications Engineering（RACE）. [S.l.]：IEEE，2019：97-101.

[3] WANG J，LI Z，LI Q，et al. Using language models to mine real-time traffic information from social media in intelligent transportation systems [C]// Proceedings of 2019 IEEE International Conference on Smart Transportation and Smart Cities（ICTSC）. [S.l.]：IEEE，2019：15-19.

[4] YANG H，YU H，CHEN C. A deep learning approach based on language model for traffic flow pattern classification [C]// Proceedings of 2020 IEEE International Conference on Artificial Intelligence and Computer Applications（ICAICA）. [S.l.]：IEEE，2020：396-401.

[5] ZHANG Y，HUANG J，ZHU J，et al. Research on application of deep learning and language model in traffic prediction [C]// Proceedings of 2019 International Conference on Artificial Intelligence in Information and Communication（ICAIIC）. [S.l.]：IEEE，2019：71-76.

[6] ZHAO R，CHENG X，LEI J，et al. Research on the optimization of traffic signal control based on transformer language model [C]// Proceedings of 2020 IEEE International Conference on Smart Transportation and Future Mobility（CSTFM）. [S.l.]：IEEE，2020：173-177.

[7]孟闖，王慧，林浩，等.道路交通流數(shù)據(jù)預測方法研究綜述[J].計算機工程與應用，2023，59（14）：51-61.

[8]劉宗明.智能交通管理平臺系統(tǒng)的設計與實現(xiàn)[J].科學技術(shù)創(chuàng)新，2023，27（5）：105-108.

[9]張軍紅，馬明. AI來襲，交通智能化“提擋”加速[J].經(jīng)濟，2023，25（3）：90-96.

[10]劉宗明.基于無線傳感器網(wǎng)絡的智能交通管理系統(tǒng)設計與實現(xiàn)[J].科學技術(shù)創(chuàng)新，2023，27（4）：49-52.

作者簡介：陳君璐（1990—），男，碩士，副教授，現(xiàn)任廈門安防科技職業(yè)學院教研室主任，研究方向為交通運輸。

收稿日期：2023-04-19 修回日期：2023-05-17