数据赋能背景下的交管大模型探索

编者按：本文根据苏州市公安局交通管理局科研所副所长艾继祥在第二十届中国（国际）城市智能交通论坛坛发表的演讲整理而来，重点介绍了苏州交管部门在智能交通管理上经过近20余年持续建设和探索应用，已经建设了相对完备的道路感知体系、全量汇聚的数据中台、丰富实用的数据模型，以及各类软硬结合的应用场景。略有删减，如有错误敬请指正。

苏州是一座拥有2500年历史的文化名城，传统与现代交织、科技与人文交映。当前，苏州实有人口1700万，机动车驾驶人588万，机动车保有量529万，道路里程2.2万公里，各项道路交通参数均位居全国前列，道路交通的安全与畅通，也是苏州面临的重大社会治理难题。

左边这张图是南宋《平江图》，右边是现在苏州古城区路网路，从春秋时期伍子胥建阖闾大城至今已经千年，苏州古城仍然保持着“水陆并行、河街相邻”的双棋盘格局和“小桥流水、古迹名园”的独特风貌。

在古城道路资源没有增长的情况下，苏州市政府不断挖掘古城区旅游资源，完善商业、医疗、学校等相关配套，提升外来游客旅游体验和古城居民居住体验，古城区人流、车流量持续处于高位。在庞大的交通管理体量和有限的道路交通资源的矛盾之下，根据高德发布的《中国主要城市交通分析报告》，苏州在机动车保有量超300万辆城市中交通健康指数持续保持第一。

取得这样的成绩其中一个重要的因素就是，苏州交管部门始终坚持以智慧交通为引领，构建了“以科技赋能实战、用数据驱动警务”的现代化交通治理新模式。

以下从三个方面来汇报一下苏州的做法和以及一些思考。

首先是强化交管科技信息化顶层设计。

一是强化制度支撑保障。苏州成立了全市交通系统智慧委员智慧委员会，同时建立了制定了《苏州市智能交通管理系统建设规范》《苏州市交通安全管理道路信息采集规范》等一系列规范，来统筹、规范全市交管科技信息化建设标准，做实顶层设计。

二是夯实数据赋能基础，搭建了交管数据赋能中心，打造交通管理数据赋能全链条。目前，苏州交警支队整体CPU算力达4000核；按照人、车、路、环境、交通运行五大专题库梳理形成18大类、67小类、153项交警数据资产，数据体量累计超10PB；汇聚2万3千余套前端感知设备，构建了全市域、全时空、立体化的交管感知体系。

三是打造智能联网联合实验室。与高校、科研机构、科技企业等20余家单位合作，高标准联建“智能网联与城市交通服务联合创新实验室”，共同推进“产学研”资源整合，强化警企合作，实现网联与交管的双向赋能。

创新大数据赋能交通管理应用

为了优化交通信号配时，我们研发了“雁阵式智慧交通信号优化系统”，融合交警自身的线圈、微波、卡口数据和互联网交通大数据，运用深度学习等智能算法自动生成信号配时优化方案，并实时评估效果、迭代优化，可以支撑动态绿波、古城管控、公交优先等多场景应用，信号优化实现了由“人工经验”到“人工智能”的转变。

目前，已对全市7000余个路口开展“互联网+”信号配时优化，同步设置908条绿波带，绿波覆盖率达43%。

苏州内环高架早晚高峰的交通流量是设计最大通行能力的1.5倍，处于超饱和状态。为保障高架道路早晚通勤高峰的畅通度，我们研发了“快速路交通信号管控模型”。

通过这个模型，我们实施了“高架-地面”交通信号的联动控制。可以分区间实时监测高架交通流量，自动触发高架匝道信号灯，动态调整匝道配时，从而达到管控进入匝道的流量的这么一个目的。同时在地面主次干道匝道方向配套实施绿波、红波控制，主动均衡路网流量。让高架系统尽可能多地处在最大通行能力的良性运行状态，而不是变成“停车场”。

针对高速公路拥堵问题，我们也采取了大数据赋能手段。苏州高速里程620公里，日均流量120万辆，里程数和流量均居全省第一，以全省13%的高速里程承担31%的流量。大流量已经成为苏州高速的常态，尤其是节假日，极易造成交通拥堵，也极易引发交通事故。

对此，我们研发了“高速路网大流量预测模型”，搭建高速公路可计算路网，融合卡口、ETC等设备监测实时数据，结合五大影响要素，利用算法模型开展中长期及短临流量预测。

那么根据预测结果，我们就可以提前安排勤务，提前制定分流预案，将传统被动式拥堵处置模式，转变为超前预测、主动预警、提前干预、快速消解的数据赋能保畅新模式。

在今年“中秋、国庆”双节期间，苏州高速公路路网日均流量208.59万辆，较 2019 年同期上升23.07%，创历史新高。但是在我们的数据赋能下，首次实现了长假期间零死亡、零重大事故的“双零”战果，高峰流量时段通行速度平均提升约8%，通行效率平均提升约13%，有效缓解节假日期间高速公路拥堵难题。

为提升群众的出行体验感，我们全面应用“高架虚实线”“可变车道”“潮汐车道”“合乘车道”、“发光标志”、机器人护栏等智能交通管控手段，用“绣花针”一样的功夫，深度推广精细化交通组织措施。

同时推进“伴随式”出行服务，发布交通信号灯态信息，通过诱导屏、互联网导航软件等多种方式，可以向公众提供精准的信号灯倒计时、绿波建议车速、可变车道提示、安全语音提醒等出行信息，进一步提升群众出行体验。

另外，我们也紧跟着智能网联发展的步伐，自动驾驶领域运用汽车感知技术，是基于激光雷达等这些先进的感知设备，我们在高架和地面道路试点应用激光雷达、相控阵雷达等先进感知设备，运用智能算法，全息感知流量和排队长度，精准识别交通异常事件、交通违法行为，主动干预交通信号自适应控制，提升信号控制科学性和实时性。

在道路安全防控方面，苏州支队联合同济大学合作建设“道路交通安全风险防控平台”，研发应用“1+6”风险评估积分模型，可实现对安全风险的精准画像、四色预警和闭环治理。自平台投入使用以来，全面支撑了全市道路安全隐患治理工作，近3年，累计支撑72条超150公里的国务院、省、市级挂牌督办道路治理工作，2020年、2021年、2022年，挂牌道路整治完成后，亡人事故数分别下降43.09%、43%、60%，取得了一个非常显著的成效。

在电动自行车管理治理方面，我们打破公安内部警种、部门间数据壁垒，接入治安、派出所监控卡口设备1906路，然后构建算法模型，利用AI基座形成对电动自行车不戴头盔交等通违法数据汇聚、解析、筛选，然后进行违法智能提醒、违法处罚、源头管理的全流程工作闭环。其中电动自行车不戴头盔违法识别率达98%，有效地提升了执法效率。

针对在外卖电动车违法的行为，苏州支队与美团、饿了么等外卖企业合作共治，在全国率先推进“灯塔计划”，实现警企信息互通。今年5月10日，在全国率先利用大数据赋能手段，将交通信号灯态信息与外卖骑手手机端GPS数据结合，通过数据模型精准识别骑手闯红灯行为，并推动企业建立内部双处罚机制。经过一段时间治理，美团外卖百万单骑手违法数下降45.7%，重复违法率下降39.6%。

在重型货车管理方面，支队利用全国620多万重货动静态数据，通过“357”预警模型，对接公安局交管局“云哨”系统，实现对货车违法的自动语音提醒，对高频、高危违法开展全市域的查缉布控。

在警务效能提升方面。我们打造了“全域一体化智能管控平台”，实现交管业务“一图展示”、“一网指挥”、“一键调度”。平台能够实时对交通警情进行语义分析、自动定位并规划最优处警线路，融合互联网交通数据，对异常拥堵情况能够实现实时预警、自动派警、一键派警。民警可以通过移动警务通开展警情处置，并且该平台可以对整个接出警进行全流程、可视化跟踪。通过抽取比对民警勤务数据，实现勤务数字化考核。

推进“一站式”事故处理。打造公安、法院、检察院、行政司法、卫健、人社、保险、社会救助等多方联动的“8+X”交通事故处理综合服务中心，提供调解、鉴定、理赔等全流程一站式在线服务，轻微交通事故处理通过线上多方视频连线，最快5分钟线上办结。全市68%的交通事故通过“8+X”线上视频快处。

同时我们研发掌上远程行政速裁APP，该APP实现一般程序交通违法“现场掌上办理、当场实时裁决”。今年8月以来，使用掌上行政速裁APP对电动自行车不戴头盔违法行为按一般程序处罚2万余人次。

探索交管大模型建设应用

苏州交警支队积极拥抱AI时代，已建设20余个算法模型，支撑交管业务开展。但是，我们在实战中，越来越感受到传统小模型的局限性。从模型能力上看，传统交管小模型大多是基于特定任务的感知智能，缺乏自我学习和独立决策能力；从应用场景看，传统交管小模型仅对单一场景进行分析，仅支持一类交管业务。

交通是一个复杂的大系统，传统小模型只是碎片化地反映系统的某一个特征，但无法勾勒出整个系统，也无法真正解决交通全域感知、全域管控、全域优化等交管难题。

通用大模型的出现开启了AI2.0时代，比如都熟悉的chatGPT、华为盘古大模型、百度的“文心”大模型等。

我们意识到，大模型可能是解决这些交管难题的关键。通用大模型的参数规模已达千亿级，超过了人类神经元数量，具备高效压缩知识能力、自然语言理解能力、视觉感知分析能力、多模态处理能力、自我学习适应能力、推理决策能力等等。

我们由此想到，将大模型与交通相结合，用海量动静态交通数据训练大模型，可以建设具备交通知识记忆能力、交通语言理解能力、交通视觉感知处理能力、交通多模态数据处理能力、交通变化学习能力、复杂交通推理能力、交通规划设计能力、交通控制决策能力的交管大模型，全面提升交通感知、认知和决策水平，全面赋能交通安全防控、组织规划、信号控制、出行服务等交管业务。用一个大模型，重构交管所有业务系统，满足交管全量业务需求，从而破解交管难题痛点，解决系统重复建设等问题。

通过对大模型的初步了解和探索，我们认为，交管大模型最核心的能力是交通语言理解能力、交通视觉感知处理能力，和交通多模态数据处理能力。

通过交管大模型的交通语言理解能力，可以打造具备交通知识、交通思维、能够自我学习迭代的“数字交通人”，以自然语言交互方式为交通管理者提供交通数据展示、研判分析和决策指导。根据需要自动生成交通分析、交通优化报告和交通宣传文案，大幅提高工作效率。

交管大模型的视觉感知处理能力，可以增强违法抓拍、交通隐患识别等传统场景感知能力，通过接入全域感知设备，利用交通大模型分析全域感知数据，对感知设备未覆盖区域的交通运行进行模拟，可以实现全域感知、全域仿真和全域数字孪生，支撑交通全域管控。

交管大模型的多模态数据处理能力，融合各类动静结构化数据，可实现交通数据补全，以60%的外场设备覆盖实现95%范围的交通运行复现和分析。

除了上述能力和场景以外，我们还可以挖掘交管大模型的更多通用能力、专项能力和应用场景。在未来的经营管理当中，大模型应该是具有更加广泛的前景。