近年来，人工智能（AI）技术在交通运输领域加快应用，通过与智能交通系统和自动驾驶系统深度融合，以ChatGPT、Sora为代表的生成式AI技术，高效处理实时数据、缓解交通拥堵、提升道路安全性，在推动交通运输转型升级中发挥着重要作用。笔者建议，应从加强政府政策扶持引导、制定交通运输领域全链条标准规范、加强数据安全和开放共享、建立产学研及国际合作共享项目试点机制等方面入手，加快生成式AI技术在交通运输领域应用。
近年来，人工智能技术加快与大数据、物联网等先进技术融合，推动交通运输智能化发展。
美国洛杉矶通过实施“路侧编码”项目和应用先进传感器技术，创建人工智能实时数字孪生车道，提高城市交通运行效率。英国自动驾驶公司Wayve将自动驾驶软件与大语言模型结合，帮助训练自动驾驶汽车。德国将人工智能技术引入主动交通流管控系统升级，具有分车道动态限速、拥堵响应处理、动态货车管理等功能。韩国计划于2027年建成基于人工智能技术的高精地图、交通管制等基础设施，推动自动驾驶汽车商用化应用。日本日产ProPilot2.0自动驾驶辅助系统已达到L3级，实现自动车道变更、匝道和高速路口自动驶入驶出等功能。
在加快发展技术的同时，不少国家积极完善人工智能技术相关的法律法规。美国发布《国家人工智能研发战略计划》《人工智能应用监管指南》《人工智能风险管理框架》。今年3月，欧盟通过世界第一部人工智能全面监管法律《人工智能法》，提出推广零排放汽车、建立零排放机场和港口、车路协同、自动化出行等目标。日本发布《以人为中心的AI社会原则》，并对《道路交通法》《道路运输车辆法》进行修订。
现阶段，多国加大人工智能技术投入和应用，推动交通运输领域转型升级，主要有几个特点：一是人工智能技术在交通运输领域应用由信息化全面转向智能化。二是自动驾驶成为人工智能技术在交通运输领域的主要应用场景，有望在近年内实现规模化商业化运营。三是人工智能技术推动绿色交通和低碳出行发展，如优化公交路线、提高节能效果。四是完善监管框架和措施，以精细化管控保障人工智能技术在交通运输领域安全应用。
长期以来，交通运输领域广泛应用的人工智能技术是基于判别模型的非生成式AI技术，如道路监控图像分类、语音识别等，实现了从“不能用”“不好用”到“可以用”的技术突破。
然而，受内在模型机理和数据的限制，相关人工智能技术在交通运输领域的应用存在以下问题：首先，由于相关数据存在稀疏性、低质量等问题，使得传统人工智能技术在挖掘数据内在规律和模式方面受限。在处理大规模、高维度海量交通数据时，效率低下，且难以扩展。其次，传统人工智能技术依赖于确定性方法和预处理特征，难以全面捕捉交通运输系统的复杂性和动态性，导致预测结果与实际情况存在较大偏差。最后，受内在算法等因素影响，传统人工智能技术泛化学习能力受限，难以满足部分交通运输应用场景的实际需求。
近年来，以ChatGPT、Sora为代表的生成式AI技术，基于Transform深度学习架构，在分析和预测现有数据的基础上，能根据输入文本自主生成流畅连贯的图像、音乐、视频等。生成式AI技术凭借其深度学习融合能力，有力推动交通运输行业转型升级、提升运营效率，具有几方面优势：一是数据驱动与优化泛化。生成式AI技术通过海量数据训练和强化学习，优化模型与算法，实现性能、生成内容质量与多样性的提升，为交通运输行业带来更精准、高效的服务。二是个性化与定制化。生成式AI技术能根据用户需求和偏好，生成个性化内容。根据用户需求，提供定制化的学习材料、推荐信息或服务建议，提升用户体验和满意度。三是高效性与自动化。相较于传统内容创作或数据处理过程，生成式AI技术能自动完成任务，提高工作效率。在系统监测、产品设计等领域，快速生成大量内容，减少人工测试、编辑和修改工作量。
鉴于此，生成式AI技术将为交通运输系统智能化发展注入强大动力。如在自动驾驶领域，生成式AI能高效处理来自车辆传感器的实时数据，快速作出安全、高效的驾驶决策。此外，生成式AI还可助力城市规划者和交通管理者制定科学合理的交通规划方案，优化道路布局与交通设施，实时监测、发现和解决问题。
加强政府政策引导扶持，推动生成式AI技术与交通运输深度融合。一是发挥政府主导作用，推动生成式AI技术与交通运输领域深度融合，制定完善法律法规，明确各方权责，为其应用提供法律保障。同时在财政补贴、税收优惠、人才引进等方面出台扶持政策，推动生成式AI技术创新。二是建立健全政策与法规，落实监督机制，定期开展检查与评估，确保各项政策法规得到有效执行。三是以生成式AI技术研发项目为牵引，进一步推动交通运输行业创新发展；设立专项基金，鼓励产学研用深度融合，加强高校、科研机构与企业合作，加速技术成果转化。
制定交通运输领域全链条标准规范，引领生成式AI技术健康可持续发展。一是构建生成式AI技术在交通运输领域的标准体系，规范数据收集、处理、应用等技术标准，保障数据安全可靠；建立算法与应用评估标准，涵盖模型鲁棒性、适用性等关键指标，以全面评估算法性能表现。二是推动国际标准的对接与互认，以国际先进标准为标杆，探索与其他国家或地区建立标准互认机制，促进生成式AI技术与交通运输领域现有技术标准的深度融合，推进统一国际规范，提升技术通用性和可扩展性。三建立标准与规范执行监督机制，确保各项标准与规范有效执行，为生成式AI技术在交通运输领域应用提供坚实的制度保障。
加强数据安全和开放共享，发掘生成式AI技术在交通运输领域的新动能。一是强化数据安全与隐私保护，建立统一数据标准和接口规范，确保交通运输数据合法、合规、安全运行，实现不同交通运输系统间的跨平台数据互通与共享，推动数据资源充分利用与高效管理。二是加强生成式AI数据质量管理，建立数据清洗、校验、修正机制，确保准确性和完整性，深度挖掘和整合有价值的信息和模式。三是推动数据开放与创新应用，鼓励交通运输行业数据向社会开放，构建开放共享的数据资源生态，促进不同机构间合作交流，推动数据资源充分利用与高效管理，同时建立数据驱动的决策机制，鼓励生成式AI技术在交通运输领域创新应用和推广。
大力扶持项目应用试点，推动生成式AI技术在交通运输领域创新升级。一是通过政策扶持与专项资金，支持生成式AI技术在交通运输领域项目试点，包括研发、测试、应用等环节。对于试点项目企业和研究机构，给予税收优惠政策，降低研发成本，鼓励积极性。二是建立产学研合作机制，促进政府、企业、高校和研究机构之间合作，形成产学研一体化的创新体系；加强面向交通运输领域的生成式AI技术应用人才培养，为项目试点提供智力支持。三是加强与国际先进国家和地区交流合作，引进先进技术和管理经验，推动生成式AI技术在交通运输领域国际化发展，实现生成式AI技术在交通运输领域的深层次应用和创新发展。四是建立项目监督反馈机制，确保试点项目符合法律规范和技术标准要求，定期评估项目实施效果。（作者：孙健 戴涛 马霜逊 单位：长安大学）
往期回顾
01 |
02 |
03 |
04 |
