智能交通变革：AI、数字化与自动化技术应用探索(二)

译者说明：本文源自美国国家科学院交通研究委员会发布的专业报告，受原文篇幅限制，译文在确保内容完整性的基础上进行了适度精简，将通过本平台分期刊载。译文仅供学术交流与研究参考，请勿用于商业目的。鉴于译者能力有限，文中若存在翻译欠妥之处，敬请批评指正。

本文将人工智能界定为一个统摄性概念，涵盖诸多技术分支，旨在完成通常需要人类智能方可胜任的各项任务，包括知识获取、逻辑推演、问题解决、感知识别以及语言理解等。

为充分展现人工智能在交通运输行业的应用前景，本文从功能特性与应用场景两个维度对人工智能技术展开论述。当前，大语言模型所采用的生成式人工智能虽然已成为舆论焦点和政策议题的热点，但本文所重点阐述的诸多功能，实际上通过运用成熟的机器学习技术所构建的专业人工智能模型便能够实现。图2展示了各类人工智能技术及其相互之间的内在联系。

各类人工智能技术在当前阶段的成熟度存在差异，部分技术已投入实际应用或即将部署，可在短期内实现落地；而另一些技术则仍处于学术研究阶段，有望在更长时间维度内创造发展机遇。

将人工智能技术深度融入交通运输领域，关键在于将现有或近期可实现的人工智能功能与交通领域的具体任务或发展目标进行有效对接。

具体而言，可借助人工智能的计算机视觉与图像处理技术来强化交通安全保障，亦可运用人工智能对时序数据的模式识别能力进行预判分析，从而提升交通态势预测的精准度。

此外，还可积极探索生成式人工智能的应用空间，例如打造个性化用户体验与行为分析，或生成模拟数据以构建更加完善的灾害场景模型。

政策制定者还需审慎评估云端人工智能与"边缘人工智能"在安全性与成本方面的各自优劣。边缘人工智能是指将人工智能能力部署于基础设施附近或嵌入具体设备之中。

表1列举了上述及其他人工智能在交通领域的典型应用案例。虽然潜在应用场景丰富多样，但需通过准确性、适用性及成本效益等多维度因素进行筛选评估。

（一）交通领域人工智能工具与功能

联邦交通主管部门、高校交通科研机构以及各州地方交通管理部门正持续投入公共资源，大力推动人工智能技术的研发应用。这些资金支持正催生出日益增多的探索性研究、试点项目以及其他科研开发活动，旨在验证人工智能现有技术能力在交通领域的应用可能性、技术可行性及实施条件。

近期联邦层面的资金投入已促成多个涉及人工智能的专项项目，涵盖实时交通流预测、路面性能与安全评估、基于混合现实视觉技术的基础设施检测质量提升，以及运用数字孪生技术开展安全分析等多个领域。

仅在2025年度，高校交通研究中心的科研人员便启动了多项人工智能研究课题，包括基础设施形态变化监测、将人工智能融入路口安全规划与设计、为沿海桥梁提供预防性养护服务、解决车联网(V2X)网络的安全防护与抗干扰挑战，以及运用人工智能机器人安装预制桥梁构件等。

此外，本报告其他章节还深入探讨了人工智能在强化安全保障、交通管控、项目管理及资产维护等方面的更多实践案例。

1、人工智能在道路与铁路安全领域的应用

运用人工智能技术提升交通安全水平已成为业界关注的焦点，这一趋势的根源在于人工智能能够开辟全新的数据获取渠道，并提供创新的分析手段，从而为因果关系判定、预防策略制定及缓解措施优化提供有力支撑。以下列举的道路与铁路领域案例，正是人工智能赋能交通安全改善的典型实践。

人工智能驱动的视频智能分析技术有望突破传统安全分析过度依赖不完整、有缺陷的交通事故数据的局限。美国德克萨斯州奥斯汀市对多家服务商的视频分析能力进行了实测评估，重点考察其识别与解析城区26个路口多种交通参与者冲突事件的能力。该项测试获得成功，推动该市据此制定标准化操作指南。

与华盛顿州贝尔维尤市开展合作的研究团队同样开展了试点验证工作，运用人工智能驱动的视频分析技术探究车辆转弯行为、路口形态设计与交通安全（特别是行人安全）之间的内在关联，以期优化路口的交通安全性能。尽管试点测试验证了对复杂路口环境实施视频分析的可行性，但若要将安全提升研究成果转化为实际应用，仍需大幅扩展分析覆盖的路口数量。

公路-铁路平交路口领域同样对运用人工智能提升安全性能表现出浓厚兴趣，例如采用人工智能赋能的传感系统来侦测并警示存在碰撞风险的行人和骑行者。科研人员正通过视频分析技术识别公路-铁路平交路口的安全违规行为类型与发生频率，以及诱发这些违规行为的关键因素。此类信息可作为实施针对性工程改造、执法监管或安全教育的依据，从而有效降低安全隐患事件的发生概率。

关于人工智能在铁路安全领域的更多深度探讨，将在本报告后续的数字化章节与高级自动化章节中予以呈现。

道路安全保障往往依赖于道路条件的持续改善与维护，包括标志标牌的清晰度、路面标线及整体路况的完好程度。相较于传统的人工目视检查或固定周期的养护计划，人工智能技术能够生成因地制宜的精准养护方案。

由此，相关部门可在关键安全要素性能衰退前及时采取应对措施，同时避免将资源消耗在仍正常运作的设施上。以路面标线的逆反射性能为例，必须维持在规定标准以上方可满足最低性能要求。近期研究成果显示，人工智能驱动的预测模型能够较为精确地预判逆反射性能的衰减趋势，这对科学制定养护计划具有重要参考价值。

（未完待续）