当“钢筋混凝土”装上AI大脑

作者／ IT时报 潘少颖

编辑／ 潘少颖 孙妍

每一条路、每一条街道，都是城市的毛细血管，“血管”顺畅，城市的脉搏才能强劲。清晨的路口车流有序穿梭、隧道内的隐患及时预警、工地上的安全防线持续筑牢……这些发生在城市交通肌理中的细微变化，改写着传统交通的运行逻辑。

交通，关乎市民出行、城市运转、公共安全等各个方面，是城市治理的核心命题之一。而这个被“钢筋混凝土”定义的行业，因传统的行业特性、复杂的业务场景和严苛的监管要求，数字化转型面临诸多挑战。

2025年5月26日，上海首家国资背景的垂类大模型公司中城交（上海）科技有限公司（以下简称“中城交”）成立，是隧道股份孵化的战略性人工智能科技企业。10月，其研发的“通达交通大模型”通过国家生成式人工智能服务备案，这是大模型商业化落地的通行证，并入选2025年上海市交通领域人工智能示范场景，在多个场景落地见效。

当一个垂类大模型深度渗透交通领域，会给这个“慢热”的行业带来怎样的变革？会如何破解交通行业长期存在的痛点？

做速记、打标签 还能降低“幻觉”

“每天，上海的12345会接到1000多个和交通相关的诉求，包括地面破损、公交投诉、事故报案等，以前全靠人工记录、派单、回复，几十个人忙得不可开交。”中城交创始人、董事长常光照告诉《IT时报》记者，在传统模式中，工作人员要接听电话、标注诉求类型、拆解关键词，再派送到对应责任单位，处理完要手动撰写回复意见，整个流程烦琐且难免有疏漏。

通达交通大模型重塑了这一流程，热线接听环节仍保留人工，但从通话转写开始，大模型便全程赋能。系统像“智能速记员”一样，实时识别市民口语化描述中的核心要素，并自动完成结构化解析与标签分类。例如，当市民反映“XX路公交车绕行”时，大模型可精准识别线路编号、问题性质、可能涉及的企业与区域，无需人工逐一标注与拆分。

更关键的是，解决了通用大模型“幻觉严重”的痛点。在常光照看来，尤其是严肃的政务服务场景，容不得半点虚假，回复市民的每一句话都必须有法律法规、政策或实际业务依据。”

为保障精准度，团队将数万份12345历史热线工单、政策文件、案例库，通过自研的“通达智库”平台，转化为知识库，使大模型具备扎实的“业务经验”；同时建立输出管控机制，要求每一条回复都标注明确出处，并通过复核机制排查错误，实现可靠输出。

在大模型的助力下，人工转变为“审核与确认”，仅在关键节点进行复核，点击即可完成分派。处置闭环后，系统自动生成规范、有据的回复草稿，经确认后即可反馈市民。这一模式将12345处置的精准度从初期的60%—70%稳定提升至95%—98%，整体工作效率提升超过10倍。

未来，随着系统持续学习优化，接话后的全流程自动化处理将成为可能，也可复制至城建、市场监管等政务场景。

“智能保镖”上线 告别人工盯屏

在隧道股份旗下的一处工地，几十个摄像头实时覆盖施工场景。当一名工人未佩戴安全帽踏入作业区，智能系统在3分钟内发出预警，现场管理人员和调度大屏同步收到提示，第一时间督促整改。这一幕，是通达交通大模型AI视觉系统在工程建设安全管控中的一个应用切面。

每年，隧道股份在上海及全国各地有600多个工程项目同步开展，安全生产就是生命线。过去主要依赖安全员人工盯守监控屏幕，人力消耗大，也会漏看、漏报；传统的图像识别算法误报率偏高，有时一个未戴安全帽的场景会误报几十次，增加处置负担。

如今，大模型与传统小模型协同发力，已能较为可靠地识别包括未佩戴安全帽、高空作业未系安全带、基坑临边防护缺失等在内的多种常见安全隐患。

常光照坦言，不同场景的识别能力仍有明显差距。“像未佩戴安全帽这类规则清晰、场景单一的情况，识别精准度能达到90%以上，而人机冲突、机械臂作业区域人员闯入等复杂场景，因涉及机械臂转弯半径测算、人员与机械安全距离判定等技术难点，精准度目前仅能达到50%—60%。”为此，团队采取“宁可多报、不错漏”的审慎策略，将所有疑似预警先推送给人工进行二次复核，确保高风险隐患无一疏漏。

除了视觉识别，语言大模型也在安全管理中发挥作用。系统能基于当日施工计划，自动生成定制化的安全清单，并通过对录音的智能分析，核验关键安全要点是否传达到位。

在幽深的城市隧道，有时出现非机动车闯入、车辆抛物、小动物穿行等安全隐患，传统图像识别无法学习偶发现象的稀疏样本，要么因数据不足难以精准捕捉，要么出现误报漏报。而通达交通大模型跳出了单纯依赖样本训练的逻辑，通过对视频画面的深层理解感知场景风险，识别出“什么是危险”“哪里不合规”，同时可自动生成模拟样本补充训练，进一步提升识别稳定性。

以龙耀路隧道为例，22种场景已实现智能识别，发现问题后实时联动综合监控中心，让应急处置速度大幅提升。

给路口定制“治堵秘籍”

上海的路堵吗？堵，这是不少市民通勤的切身感受，也是超大型城市承载巨大流动性的现实，如何化解梗阻交通的“血栓点”？

据《IT时报》记者了解，上海目前仍有大量路口采用固定配时的红绿灯控制系统，无法根据实时车流量灵活调整，这是导致局部拥堵的重要原因之一。人工调优模式不仅响应滞后，也难以系统性应对每日早晚高峰的“潮汐式”车流变化。

中城交联合上海交通大学、同济大学等高校，研发了区域级交通协同优化平台，平台会通过视觉大模型实时采集各路口的排队长度、拥堵时间、拥堵指数等核心流量数据，同时整合路口车道数量、左转/右转/直行车道配置、转弯半径等地理几何要素信息，再结合数千个历史路口优化方案形成的专业知识库，让系统自主学习优化逻辑。

基于基础数据与学习积累，平台能输出精准优化方案，比如动态红绿灯配时方案，根据早高峰左转车流集中、晚高峰直行车辆增多的潮汐特点，针对性调整配时；根据实时车流量变化，将部分时段利用率低的直行车道临时调整为左转车道，最大化利用道路资源；通过数据定量分析，提出车道拓宽、转弯半径调整等具体改造方向。

与以往依赖专家经验定性判断的模式不同，该平台可实现优化效果的定量预测与事后验证。“我们会明确告知采用某一方案后，该路口的通行效率预计可提升的幅度，并在实施后通过数据对比进行效果评估。”常光照介绍。

目前，该平台已在太仓的120个路口落地应用，经实际运行验证，交通效率平均提升15%。

在上海部分拥堵路口，该平台也已落地应用，在一定程度上缓解了拥堵状况。

常光照透露，2026年该平台将进一步推广至上海的约120个路口，将在时间节约、能耗降低等方面释放巨大的社会效益。

重塑交通的N种可能

不只是政务服务、工程安全、通行优化，大模型在交通领域的应用还有更大的空间。

比如在自动驾驶领域，通过建设车路协同数据底座，为高阶智能驾驶提供路侧感知与协同决策支持；在低空经济领域，依托无人机与视觉大模型，可以开展基础设施智能巡检、空中应急指挥等业务；甚至还可以探索与交通具身智能的融合，聚焦恶劣环境作业、复杂场景巡检等需求，与行业内的机器人载体企业合作，将大模型能力与交通指挥机器人、设施巡检机器人等结合，提升特殊工况下的安全保障与作业效率。

但是，在进军更广阔市场的过程中，交通垂类大模型的发展也面临着不少挑战。常光照向《IT时报》记者表示，交通行业相对比较保守，对新技术的接受速度不快，需要更长的市场教育周期；此外，数据壁垒则是另一大难题，交通数据多分布于不同管理部门，部分关键数据的获取与融合仍存在机制障碍，数据质量直接影响模型的训练效果与应用精准度。

2025年10月，交通运输部牵头联合6部委发布《交通运输+人工智能实施意见》，明确提出垂直大模型“1+N+X”的布局规划，中城交作为行业标杆企业深度参与相关工作。

“交通行业具有强监管、高严谨、低容错率的特性，正需要专业化、高可靠的垂类大模型作为支撑。”常光照说，因此，不追求“大而全”地铺摊子，而是先把城市交通和公路交通领域的核心场景做深做透，用可落地、可验证的案例说话。

排版／ 季嘉颖

图片／ IT时报 采访对象

来源／《IT时报》公众号vittimes

E N D