简介
当前人工智能正在由数字空间中的内容生成和知识问答，走向真实世界中的环境感知、任务规划、交互决策与自主运行。交通系统具有多源异构数据、复杂时空关联、动态开放环境、强实时性和安全约束，是检验大模型与智能体真实能力的重要场景。本论坛围绕交通大模型、智能体决策、世界模型、仿真评测、可信自主与端边云协同等问题，探讨人工智能如何从单点算法和辅助工具，演进为能够理解、决策并作用于真实世界的自主智能系统。 议题： ①时空数据与多模态基础模型如何支撑真实世界认知？ ②大模型如何由交通知识问答走向规划与决策？ ③智能体如何进入交通运行和控制闭环？ ④如何评测自主系统的泛化性、安全性与可信性？
简介为官网原文，部分内容可能未写完。
人员
主席
- 陈婧 · 杭州电子科技大学
- 曹原周汉 · 北京交通大学
嘉宾
- 汪炀 · 中国科学技术大学
- 杨晨 · 西南交通大学
- 万怀宇 · 北京交通大学
- 郑冠杰 · 上海交通大学
- 李芳宇 · 西南交通大学
报告安排
城市交通时空智能：跨尺度、跨域与跨智能体视角
汪炀 · 中国科学技术大学
简介
报告面向城市持续发展中的面临的交通态势预测难、跨域学习难以及交通-城市布局需求错配等问题，从跨尺度、跨域与跨智能体三个视角，探讨数据与人工智能协同赋能城市交通的关键方法。首先，介绍跨尺度时空交互建模，刻画人群移动与交通风险关联；其次，讨论不变关联驱动的时域分布外泛化，以及城市增长下的模型适应与持续进化；进而，结合出租车派单、新能源车辆安全预警与交通为中心的城市局部更新，探索模型与智能体协同决策。最后，提出交通与AI的深度融合机制与人机共创的城市交通新智能范式。
星载模型的协同自适应更新方法-面向交通基础设施服役安全监测的技术支撑
杨晨 · 西南交通大学
简介
随着低轨卫星星座规模的增长，在轨智能处理成为提升海量观测数据利用效率的重要方向。星地协同学习为星载模型持续适应环境变化与动态任务需求提供了一种新型技术路径，但链路带宽有限、通信窗口短及突发丢包频繁，仍制约着模型更新的效率与鲁棒性。针对上述问题，本报告提出一种通信高效且具备丢包容忍能力的星地协同学习框架，该框架融合了带宽感知的渐进式量化策略与丢包感知的参数分块调度机制，通过对模型不同结构块自适应分配异构量化比特位宽，实现带宽资源的精细化利用；同时结合链路状况预测结果，对参数传输进行动态调度，从而缓解突发丢包对训练过程的影响。通过在开源卫星平台的验证结果表明，该方法在带宽受限情况下可加速模型收敛速度最高达2.8倍，在存在丢包干扰条件下可将模型精度提升9%–38%，相比基线方法，整体训练完成时间最大降低约20倍，有效支撑卫星平台部署模型的性能提升。通过可持续演进的星载智能模型，可为交通基础设施服役安全全域监测及按需精查提供技术支撑。
交通时空大模型：从专用预测模型到通用时空推理
万怀宇 · 北京交通大学
简介
交通预测长期依赖针对特定城市、区域或指标训练的专用模型，面对任务变化、数据缺失和跨域迁移时往往需要重新设计与训练。报告将围绕交通时空大模型，讨论如何利用大规模多源时空数据与交通知识，构建统一的时空表示和可迁移的推理能力，实现从流量预测、事件分析到问答、规划等多任务协同。报告还将分析时空预训练、知识增强、提示学习和模型轻量化等关键问题，并探讨通用时空推理模型在泛化性、可信性、实时性及交通业务落地中的评测路径。
城市级交通智能决策:从仿真、强化学习到真实落地
郑冠杰 · 上海交通大学
以人为本的智能出行：交互体验与多元人群需求
李芳宇 · 西南交通大学
简介
智能出行不应只以效率和自动化为目标，还需要回应不同年龄、能力和出行情境下用户的真实需求。报告将从人机交互与用户体验视角，讨论智能交通系统中的信息呈现、任务负荷、信任形成和行为反馈机制，分析驾驶员、乘客、行人及老年人等多元群体在使用智能产品与服务时面临的差异。通过交通参与者行为体验、人—机—环境协同与包容性设计，报告将探讨如何把用户研究嵌入技术研发和评测流程，形成更加安全、易用、可理解且公平的智能出行服务。