周晨静：“人工智能+交通运输”，怎么“+”？

来源：环球时报

最近，交通运输部明确提出要深入实施“人工智能+交通运输”行动，加快完善相关发展和治理体系，同时守牢AI安全底线。这一消息，让业界开始认真思考：如何让AI技术从单纯的算法工具，真正转变为一种治理手段和治理能力？

交通运输本身就是一个高风险、高流量、高责任的复合型行业，路网、轨道、港口、航空、危货运输，点多、线长、面广。传统的治理方式会面临不少痛点：覆盖面不足、风险预判弱、管理滞后。要融合AI技术来完善发展治理体系，有两个误区必须避开：一是把AI当成一个全新的碘伏性技术，恨不得把过去多年建成的信息化、智能化基础全部推倒重来；二是仅仅把AI看作一个效率提升的工具，忽视了它重构行业治理逻辑的底层价值。

从技术角度看，AI本质上是一套以数据为核心的辅助决策体系，它无法脱离传统交通技术独立运行。传统交通信息化建设，核心是数据采集、存储、查询和单向指令下达——路上的监控摄像头、道路传感器、后台调度系统，大多只能完成简单的数据记录，所有数据基本是事后调取用于复盘分析。而AI的核心优势恰恰在于实时感知、自动研判，能让交通管理从被动的事后处置，升级为主动的事前预警。所以说，新旧技术并非对立关系。传统交通搭建的系统和平台，完全可以成为AI技术落地运行的数据底座。AI的真正作用，是深度挖掘存量数据的价值，替代人工完成海量重复的数据分析和研判工作，优化复杂场景下的资源调配，解决传统技术预判不准、研判片面的问题。抛开现有的数字化基础，盲目搭建AI系统，只会造成重复建设。所以，“人工智能+”的核心在于融合，而非重构。

当前，我国已经形成了覆盖公路、铁路、港口、航空的完整交通信息化体系。欧美、东南亚各国也普遍建成了成熟的传统交通管控平台。纵观全球案例，几乎没有哪个国家是彻底推倒原有体系、从零开始建设AI交通系统的——新旧衔接、平稳融合，是行业共识。举个例子，英国菲力斯杜港在港口原有定位设备的基础上，加装AI感知模块，实现了人工车辆与无人车辆的混合作业，用最小的改造成本完成了智能化升级。再比如，无锡作为全国首个“车路云一体化”试点城市，并没有舍弃已建成的全市联网信控系统，而是打通了全市3万余个交通标识、2000多个路口信号灯的数据，对接路侧AI感知终端，实现了车、路、云三方数据的实时互通，让城市高峰拥堵时长下降了15%。

不同AI技术在交通治理中，扮演着不同的角色。底层的机器视觉、轻量化小模型，负责单点数据识别和局部风险排查，解决单一岗位的重复性工作，属于基础工具赋能；中层的时序预测、多智能体协同模型，可以优化各类运输调度流程，打通单一交通方式的内部资源，但还无法实现跨领域、全场景的统筹；而顶层的交通垂直领域大模型，则能够整合路网、轨道、港口、危货运输等全维度数据，联动执法、养护、应急、多式联运等全业务链条，真正重塑整套交通治理范式。

全球多个成熟案例，也印证了分层落地、协同赋能的重要性。新加坡陆路交通管理局依托全域交通大模型，统筹调度路网、公交、海事资源，动态调整交通信号、车辆运力和执法管控策略，实现了城市交通的一体化、智能化治理；东京地铁结合轨道视觉识别、时序故障预测两大AI能力，将轨道故障预警周期拉长，把传统的故障后抢修模式，升级为隐患提前排查处置的主动模式；国内天津港则整合了港口视觉AI、集卡协同调度模型、港口垂域大模型，并配套完善了算法审查、数据分级管理制度，打造出行业标杆式的零碳智慧码头治理体系。

总而言之，推进“人工智能+交通运输”落地，核心前提是做好AI新技术与传统交通治理体系、现有技术方案的有序衔接。依托存量改造为主、增量新建为辅的发展思路，稳步完成技术融合，才能推动传统交通治理的融合创新发展。这，也正是“人工智能+交通运输”核心在于提升治理能力的技术逻辑所在。（作者是广州大学交通运输研究中心副教授）