9月8日，2023騰訊全球數(shù)字生態(tài)大會智慧交通專場在深圳舉行。東南大學(xué)交通學(xué)院教授、博導(dǎo)、副院長劉志遠發(fā)表了題為《多模式交通大模型的技術(shù)體系與應(yīng)用方案》的主題演講。

東南大學(xué)交通學(xué)院教授、博導(dǎo)、副院長劉志遠

隨著人工智能行業(yè)掀起大模型的研發(fā)和應(yīng)用熱潮，交通行業(yè)的從業(yè)者也非常關(guān)注大模型在本行業(yè)中的應(yīng)用場景。

劉志遠認(rèn)為，交通行業(yè)應(yīng)該在通用大模型的基礎(chǔ)上發(fā)展專為交通領(lǐng)域規(guī)劃、優(yōu)化的交通大模型體系。這一體系繼承了通用大模型的回答問題和創(chuàng)造能力兩大職能，同時在算力、算法和數(shù)據(jù)三大關(guān)鍵要素基礎(chǔ)上，實現(xiàn)對傳統(tǒng)交通模型的顯著精度提升。

劉志遠表示，交通大模型與專注于文本、視覺領(lǐng)域的通用大模型不同，應(yīng)該以交通領(lǐng)域的各類參與要素為重心，關(guān)注單點、干線、路網(wǎng)的各類問題和挑戰(zhàn)。

劉志遠指出，交通行業(yè)各個管理部門之間的職能壁壘往往是交通應(yīng)用的瓶頸所在，而大模型可以突破這樣的壁壘，為各部門提供一體化的解決方案，為交通應(yīng)用搭建統(tǒng)一的底層基礎(chǔ)，從而實現(xiàn)降本增效、提升交通運輸效率的目標(biāo)。

但劉志遠也強調(diào)，目前交通大模型還在發(fā)展初期，未來隨著算力、算法和數(shù)據(jù)的持續(xù)改進，以及交通應(yīng)用數(shù)量的不斷增加，交通大模型也將助力交通行業(yè)更好實現(xiàn)智慧化的目標(biāo)。

以下為劉志遠的演講全文：

非常感謝騰訊的邀請，很榮幸在這次盛會上交流我們在大模型方面的心得和體會。

數(shù)字化浪潮的背景下，大模型是今年產(chǎn)業(yè)的核心關(guān)鍵詞。我們認(rèn)為交通行業(yè)應(yīng)該在通用大模型的基礎(chǔ)上開發(fā)自己的交通大模型體系，那就要首先了解大模型的背景。

大模型之所以能帶來全新的范式和技術(shù)革命，來源于算力、算法和數(shù)據(jù)三大關(guān)鍵要素。大模型的重點在于生成式的概念，指的是產(chǎn)生人類的知識體系，在生產(chǎn)生活中沒有產(chǎn)生的各種結(jié)論和知識。能做到這一點，是因為大模型背后有著非常龐大的知識庫支撐。所以我們在構(gòu)建自己的技術(shù)體系時，需要深入思考算力、算法、數(shù)據(jù)這三駕馬車，掌握里面的核心技術(shù)。

回到交通工程本身，我們現(xiàn)在通用的交通模型體現(xiàn)在建管、養(yǎng)運、規(guī)劃、設(shè)計等不同環(huán)節(jié)中，是以四階段和三參數(shù)模型為代表的傳統(tǒng)體系。它有著非常深度的理論支持，但它最大的問題在于精度不足。以三參數(shù)模型為例，在得到了豐富數(shù)據(jù)的前提下，它的客觀擬合誤差都可以達到26%;再以四階段模型為例，實踐中誤差可以高達150%。所以這樣的模型體系更多還是思辨的產(chǎn)物，不是一個過程可重復(fù)、結(jié)論可證偽的客觀環(huán)境下打造的體系。

今天我們要把算力、算法、數(shù)據(jù)真正地用到交通工程體系的深度架構(gòu)里，就需要像ChatGPT一樣構(gòu)造自己的交通工程大模型，我們叫它多模式交通大模型。它可以解決現(xiàn)有模型的假設(shè)不合理、模型參數(shù)較少的問題，最重要的目標(biāo)是提升精度，帶來極大的智能提升。

ChatGPT有兩個核心功能，第一是回答問題，另一個是它有創(chuàng)造能力。交通大模型也一樣，比如可以回答我高速公路的管控方案，也可以針對現(xiàn)有的各種挑戰(zhàn)設(shè)計出全新的解決方案。

我們基于這樣的背景設(shè)計出了大模型的整體技術(shù)架構(gòu)。大模型的訓(xùn)練過程要花費非常多的計算資源和時間，模型訓(xùn)練完后，方案評估也就是回答問題的這個環(huán)節(jié)，相當(dāng)于是往前算的概念;方案生成，也就是優(yōu)化問題的這個環(huán)節(jié)，相當(dāng)于是往后算的概念。在這樣的技術(shù)體系下，我們旗幟鮮明地提出了我們的技術(shù)體系，就是融合各個數(shù)據(jù)、各個要素，打造的大模式交通的大模型體系。這個大模型體系還要從點、干線、網(wǎng)絡(luò)三個不同的角度去刻畫。

首先來看單點。簡而言之，我們可以認(rèn)為只有一個檢測器時，怎樣基于大量的數(shù)據(jù)進行模型和方法的革新。在單點的大模型體系下，很重要的突破就是單點所面臨的人、車、路、環(huán)境，這交通的四要素應(yīng)該全都是模型的參數(shù)，都是模型可以駕馭、可以優(yōu)化的對象?，F(xiàn)在的單點交通模型只把人和車，也就是需求本體作為變量，但大模型的體系就應(yīng)該把所有這些要素作為變量和參數(shù)，最后模型自身就能夠計算出最優(yōu)的交通管控和信號配時的方案。這和以往的交通體系有著本質(zhì)的不同，也是大模型的算力、算法、數(shù)據(jù)所能夠帶給我們的精度提升，最后實現(xiàn)了實際的交通工程的職能。

這方面的模型和算法的構(gòu)建，我們是以高斯過程為體系來打造交通的單點大模型。為什么要用高斯過程，非常重要的一點就是在于它的變量、參數(shù)是可拓展的。當(dāng)我們面對實際的復(fù)雜問題時，它應(yīng)該從原來的三參數(shù)拓展到1000個參數(shù)、10000個參數(shù)，可以有著非常彈性的可擴展性。

另外一個點在于干線。如果說高速公路上有兩個檢測器，兩個檢測器之間存在著不可監(jiān)測的范圍。那么通過大模型，在檢測器覆蓋范圍有限的情況下，就可以利用模型本身把整個交通流運行的軌跡、過程進行深度刻畫。

這里面非常重要的模型體系體現(xiàn)在深度強化學(xué)習(xí)。深度強化學(xué)習(xí)現(xiàn)在往往只能分析有限個數(shù)的智能體，不超過1000個。但是交通問題中，深圳這樣一個城市可能就是上千萬個智能體。因此在今年年初，我們發(fā)表了一個新的體系叫做”集成強化學(xué)習(xí)”，解決了應(yīng)用中大規(guī)模的深度強化學(xué)習(xí)如何同極具復(fù)雜性、隨機性的交通系統(tǒng)進行有機融合的問題。

第三點是在路網(wǎng)下如何分析。路網(wǎng)非常重要的特點是它的檢測器更加有限，大部分的路段是空白。針對這樣的問題，我們所提出來的解決方案是構(gòu)建遷移學(xué)習(xí)，基于已有檢測器路段上獲取到的信息構(gòu)建出來的模型，再遷移到路網(wǎng)上的每一寸土地。所以我們不需要大規(guī)模鋪設(shè)檢測器，現(xiàn)在的算力、算法、數(shù)據(jù)加上模型本身的能力完全可以實現(xiàn)整個網(wǎng)絡(luò)全覆蓋的感知水平。

在這樣的體系下，基于干線、單點、網(wǎng)絡(luò)的大模型構(gòu)建，我們打造了全新的交通大模型的范式。我們所提出的技術(shù)體系，關(guān)鍵在于交通工程所涉及的不同物理問題、物理對象應(yīng)該區(qū)別對待。所以當(dāng)我們把這樣的模型體系放在騰訊云時，對外的界面是像ChatGPT一樣是一個統(tǒng)一的界面，但水面以下是單點、干線和路網(wǎng)的多任務(wù)學(xué)習(xí)的集成。

在這樣的技術(shù)體系下再來看具體的交通應(yīng)用。交通應(yīng)用中非常重要的一個特征是九龍治水，不同部門之間的數(shù)據(jù)壁壘和職能壁壘往往是實際問題的瓶頸所在。能不能讓大模型基于不同體系的數(shù)據(jù)，最后提供一體化的解決方案，讓大模型給各個部門帶來具體職能的支撐?

我們最終給出一個體系解決方案，第一個答卷還是放在智慧公路上，包含了智慧高速。智慧公路的體系是最為完備的，因此基于智慧公路的建、管、養(yǎng)、運、規(guī)劃、設(shè)計的六大職能，我們提出大模型可以發(fā)揮作用的十個不同體系。十大體系中，基于我們構(gòu)建出來的大模型對于人流、車流、物流的運動規(guī)律的精準(zhǔn)刻畫，從原來只有3類參數(shù)拓展到100類、上億個參數(shù)，這樣龐大的模型體系和技術(shù)工具的支撐，給整個應(yīng)用體系帶來范式的革命。

這樣的范式落地在具體的規(guī)劃設(shè)計任務(wù)中有很多可以發(fā)揮作用的例子。第一點，單點大模型非常重要的應(yīng)用在于公路的養(yǎng)護。智慧公路和機器視覺最經(jīng)典的案例是利用巡檢車的機器視覺來做路面養(yǎng)護的自動化替代。但目前這些巡檢車往往是單體作戰(zhàn)，運行速度很慢，對各種復(fù)雜場景的識別精度也很差。但如果我們?nèi)诤狭烁黝惤煌ù竽Ｐ偷墓ぞ?，和巡檢車融為一體，就可以讓巡檢的車輛以現(xiàn)在4倍、5倍的速度來檢測，降本增效的同時帶來精度的巨大提升。干線大模型也是一樣。它可以把所有的人、車、路、環(huán)境的要素全部作為模型的一部分，經(jīng)過計算就可以輸出高精度的最優(yōu)管控方案。路網(wǎng)層面，現(xiàn)有的交通方案在做精細化調(diào)整時，往往是基于規(guī)范和標(biāo)準(zhǔn)發(fā)揮著人的能動性，帶來很多隨機性和不確定性。而大模型在城市路段、高速公路上發(fā)現(xiàn)交通流的異常狀況后，可以在交通流狀況的指引下，再基于無人機的地空巡航，對交通設(shè)計進行精細化的調(diào)整。

交通大模型就像新生嬰兒一樣，還在算力、算法、數(shù)據(jù)三個強力驅(qū)動要素下不斷成長。基礎(chǔ)理論是它的根基，應(yīng)用是它的生命力。在大模型的體系下，我們通過一體化的模型構(gòu)建，最后實現(xiàn)智慧化的提升，謝謝大家。