分享
收藏
点赞
为行业实现从数字化到数智化的跃升提供了实践方向
编者按：8月7日，在安徽智能交通大会上，上海临港同济大学智慧科技研究院副院长郝若辰作了《公路数智化转型技术路径与价值思考》主题分享。
当前公路数字化正处于从单点建设向体系化升级的关键节点，数据价值释放不充分、技术路径不清晰等问题制约行业深化。郝若辰拆解了基础设施、运营服务、智慧物流、大模型底座四大业务板块，提出“要素数字化、推演自动化、决策智能化”三层技术路径。这套从数据资产沉淀到价值闭环生成的框架，为行业实现从数字化到数智化的跃升提供了实践方向。
上海临港同济大学智慧科技研究院成立于2024年，依托同济大学在智慧城市、智慧交通领域的传统学科优势，响应行业跨学科融合发展趋势，整合多个相关院系力量组建跨学科理事会，集中同济各学科资源，形成智慧交通领域一体化解决方案。
“十五五”交通运输“一网四化”战略中，数智化升级是核心组成部分。2024年交通运输部、财政部联合印发《关于支持引导交通运输传统基础设施数字化转型升级的通知》，安徽省也入选第三批全国交通基础设施数字化转型试点。
梳理行业数字化转型任务，整体可划分为基础设施设计建造与养护、公路智能运营与服务、智慧运输与物流、智慧底座四大板块，形成“一个底座+三大业务板块”的架构，全面覆盖公路数智化转型全链条任务。以下分板块梳理行业发展现状与后续演进趋势。
（1）基础设施设计建造与养护板块
当前交通基础设施已从大规模建设阶段转入存量经营时代，养护模式亟需向精细化、科学化转型。近年各省陆续开展养护试点，取得阶段性成效：扭转“重建轻养”的传统思维，强化预防性养护与周期性养护，探索大标段、长周期建养一体化模式，推广AI巡查、物联监测等高新技术应用。
但是行业仍存在明显短板：设计-质量控制-后评估体系尚不健全，技术方案难以适配复杂地质、气候与大交通量条件，多源数据融合深度不足。
后续发展方向为推广长周期、片区化、集中式养护模式，强化数据驱动的养护科学决策，深化AI技术在公路养护场景的落地应用。
（2）公路智能运营与服务板块
该板块分为效率提升与安全保障两个维度。
效率维度方面，针对“六轴七廊八通道”主骨架高速公路网通行流量大、物理扩容难度高的现状，行业以智慧扩容为核心开展探索，积累了丰富实践经验。智慧站点通行时间可从400毫秒缩短至50毫秒，通行速度提升15%以上。
2025年国庆假期，全国18个省份开展干线通道主动管控试点，假期长距离、长时间拥堵得到缓解，转为更多局部、暂时性拥堵；单条硬路肩约可发挥0.7个车道的通行能力，即便不开放硬路肩，通行能力也可提升近10%，试点成效显著。
后续发展趋势可总结为“三跨、三多、一新”：服务范围向跨区域、跨方式、跨领域拓展；服务需求向多层次、多样化、个性化升级；技术发展围绕新质生产力持续推进。
安全维度方面，核心目标是保障桥梁、高危边坡等关键基础设施安全，以及隧道、长大下坡等特殊区段通行安全，涵盖静态基础设施安全与动态运行安全两类。
当前行业围绕两类安全均开展了相关探索，但基础设施监测普遍存在感知能力不足的问题，监测预警能力亟待加强；运行安全层面仍以监测预警为主，主动干预较少。
后续发展将实现两个核心转变：基础设施安全从“表面安全”转向“本质安全”，深化关键设施隐患排查整治，依托历史数据开展本质安全探索；交通运行安全从“被动发现”转向“主动防御”，前置风险识别与引导干预，而非事后处置。
（3）智慧运输与物流板块
这是行业面临的全新课题，在自动驾驶技术快速发展的背景下，传统基础设施供给单位需结合应用场景探索新质生产力发展方向。
目前全国已开展大量试点，自动驾驶运行设计域已覆盖大多数场景，封闭区域商业化运营取得一定成效；政策层面持续推动L3、L4级自动驾驶试点落地，L3级车辆上路相关规则已明确，技术商业化应用进程加快。
后续行业将持续关注大通道货车智能驾驶探索，基于车路云的高速公路商用车协同编队技术已在多地完成试点验证。运营业态创新是重点发展方向，可探索需求方、路权方、运输方联合经营模式，推出面向个体车辆的差异化服务与收费模式。
（4）综合交通运输大模型底座板块
该板块是支撑前三大业务板块落地的核心技术驱动力，核心目标是破解数据流通不畅、模型能力不足、场景赋能不深等问题，推动公路数字化向数智化跃升。
当前交通系统已积累海量数据，但数据规范尚未统一，数据流通通道仍在建设过程中，导致系统模型与专家领域知识间存在鸿沟，模型泛化能力偏弱，长尾场景难以全面覆盖。
后续行业发展将聚焦两大方向：一是共建数据可信空间，打通数据要素流通渠道；二是在数据流通的基础上凝练行业底座模型能力；三是持续沉淀高质量数据语料。最终形成公路领域全生命周期“一个空间、一套模型、一批数据”的核心成果体系。
结合四大业务板块的发展趋势，公路数智化转型的核心路径可概括为：基于数智化转型试点基础，充分发挥数据优势，更大范围协同推进数据驱动的科学决策与增值服务。四大板块的演进方向均围绕“数据优势、大范围协同、科学决策、增值服务”四大核心关键词展开。
对应到技术实现层面，公路数智化转型的技术路径可拆解为“三化”：要素数字化、推演自动化、决策智能化。要素数字化对应数据基础优势，推演自动化与决策智能化共同支撑科学决策落地。三条技术路径共同催生两类价值增量：一是对传统运营实现降本增效，二是对新型业态打造增值服务。降本增效主要依托科学决策实现，增值服务则对应各类新业态模式落地。
整个价值体系的核心驱动力是数据集。数据集一方面可用于训练AI智能体，形成数字员工，既支撑科学养护、排堵保畅等传统业务场景，也服务于收费策略优化、差异化服务设计等创新场景；另一方面也为各类收费策略制定提供数据依据。通过落地要素数字化、推演自动化、决策智能化“三化”技术路径，最终实现降本增效与增值服务双重目标，这也是公路数智化转型的核心逻辑。
以下围绕三条技术路径，结合具体实践展开说明。
（1）要素数字化
要素数字化分为动态交通要素与静态交通要素两大类。
动态交通要素涵盖交通参与者、交通事件、交通流三类。
车辆轨迹感知层面，跨点位轨迹拼接、大流量连续追踪技术已在北京、湖南等地大规模落地应用，检测精度达到最高SL3等级。
交通事件识别层面，针对传统小模型误报多、漏报多、系统实用性不足的行业痛点，采用小模型初筛加大模型复核的融合技术路线，构建数字监控员智能体，具备事件智能核验、数据随问随得、事件复盘分析三大核心能力。事件检测环节先由小模型完成初步筛查，再经大模型开展语义分析、时序推理与场景关联复核，最终辅以人工抽检确认，大幅降低误报率，有效减轻监控人员工作负荷。事件跟踪模块同步联动各部门处置进度，支撑事后深度分析与专题复盘。目前事件识别综合准确率可达96%。
交通流研判层面，既覆盖交通流量研判、交通事件研判、重点车辆研判、常发拥堵研判、事故多发研判、应急调度研判等常规指标分析，也可针对货运量监测分析、出行特征分析、重点车辆轨迹分析、绿通数据分析、路网适应性分析等特色业务需求开展专题分析，为主动管控提供精准数据输入。
静态交通要素聚焦基础设施状态感知，针对边坡、道路、桥隧等不同场景部署各类专用感知传感器，所有感知数据统一接入管理平台，并与传统养护系统深度融合。平台可直观展示需开展养护与预警的事件清单及对应现场影像，支持基础设施预警规则的配置与迭代；漏报、误报数据可回流至后台模型，支撑模型持续迭代训练与能力优化。
动静态交通要素完成采集后，需推进数字化要素管理，推动数据资源向数据产品、数据资产逐层价值升维。核心建设内容包含三部分：建立数据标准管理体系、搭建数据开发中台、构建可信数据空间，最终实现数据产品对全业务场景的赋能。
从原始数据接入到形成可复用数据资产，共需六个核心环节：依托小模型完成数据预处理与清洗；构建数据注释智能体，定义工作任务与标注流程；调用大模型完成数据注释与数据标记；通过质量核验智能体结合人工抽检，把控数据质量；构建数据血缘链路，实现全流程数据可追溯，最终形成完整的数字化要素管理闭环。
以上海70平方公里区域的交通数据资产化实践为例，区域每日采集原始数据超200GB，采用“小模型清洗+大模型标注+智能体质检”的技术路径，最终数据准确率达98%，标注交并比超0.95。
（2）推演自动化
项目构建“三模型、四机制”的核心推演引擎，整体推演精度可达90%以上；推演引擎可结合本地数据持续迭代学习，目前已在广东、湖南、北京等多省市落地应用。推演体系覆盖宏观长时预测、中观短时调度、微观实时响应全层级业务需求，可满足高速公路运营全场景推演需要。系统集成仿真任务管理与策略效果仿真两大功能模块，支持分车道动态限速、硬路肩临时借用、匝道合流控制等多类管控策略的效果仿真评估。
（3）决策智能化
决策核心载体为“行之”智慧交通大模型。该模型由同济大学联合上海人工智能实验室、国家人工智能学院、上海交通信息中心、上海市交通委共同打造，于2024年11月进博会期间正式发布。模型整合15万余份交通行业文档资料，构建交通行业知识图谱。
模型核心采用“中枢决策-领域专家”两阶多智能体架构。针对交通行业细分领域差异大的特点，分层设置两类智能体：中枢决策智能体承担统筹领导职能，负责任务拆解与派发；各细分领域配置专业业务智能体，聚焦专项任务落地。该架构既通过分工提升运行效率，也便于与各地高速运营企业开展多层级、多维度协同合作。
以主动管控场景为例，决策智能化可完整解决“要不要管、怎么管、效果好不好”三大核心问题，智能体串联形成完整决策链路。
一是判断要不要管：结合实时运行事件、路段状态与未来态势预测，识别干预必要性，触发对应业务流程。行业管控策略库历经经验阈值式、数据驱动式、大模型决策式三个演进阶段，当前行业整体仍以经验驱动为主，数字化转型将推动行业向数据驱动、大模型决策升级。策略库需结合每条路段的地形、流量、事故特征等开展“一路一策”优化，形成适配路段特征的定制化管控方案。
二是明确怎么管：智能体基于策略库自动推荐适配的管控策略，并联动仿真平台开展策略效果预演，模拟策略实施后30分钟内的交通态势变化，直观呈现管控预期效果。
三是验证效果好不好：管理人员确认策略可行后，即可一键联动至主动管控业务系统，完成策略下发执行。
整套流程将传统主动管控从事件发现、上报、策略制定、发布评估的长链条，精简为两次确认操作，大幅提升决策效率与响应速度。
总体而言，公路数智化转型通过要素数字化、推演自动化、决策智能化三大技术路径，共同支撑传统业务降本增效与新兴业态增值服务两大价值目标，形成从技术落地到价值释放的完整体系。
未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明等材料，与我们联系，我们将及时沟通与处理。
好文章，需要你的鼓励
郝若辰
特邀作者