2024年5月18日，YEF2024专题论坛【“模”不关心 or “模”逆之交：论交通大模型乱世的发展趋势技术】在浙江宁波顺利举办。论坛邀请了CCF智慧交通分会秘书长/北京交通大学计算机与信息技术学院院长/交通大数据与人工智能教育部重点实验室主任李浥东教授、哈尔滨工业大学（深圳）周逊教授、上海交通大学电子信息与电气工程学院郑冠杰副教授、中南大学计算机学院王森章教授、北京交通大学计算机科学与技术学院/交通大数据与人工智能教育部重点实验室万怀宇教授担任报告嘉宾和Panel嘉宾。本次论坛由中国海洋大学副教授姜桂圆和CCF YOCSEF青岛23-24主席/中国海洋大学教授于彦伟主持，CCF YOCSEF青岛24-25副主席/青岛大学副教授张翰林和中国海洋大学讲师贺佩兰担任线上执行主席。本次论坛由CCF主办，CCF YOCSEF青岛承办，YOCSEF青岛晁国清、李昕、包永堂、赵中英、傅真、刘金环、李春山、张鹏、张翰林、杨鑫、葛新瑞，以及来自全国各地高等院校、科研院所和企事业单位的兄弟姐妹50余人参加了本次论坛活动。

论坛合影

建设交通强国是国家重大战略决策，党中央、国务院先后印发了《交通强国建设纲要》《国家综合立体交通网规划纲要》，为加快建设交通强国明确了顶层设计。利用先进人工智能技术（尤其是大模型技术）发展智慧交通是实现我国建设交通强国重大战略的必要途径。在过去一年中，众多科技企业和科研院所纷纷投身“交通大模型”的研发，相继推出了诸如“知行”、“致远”、“秦岭·秦川”、“TrafficGPT”、“云睿”、“阡陌”、“银江通明问问”等近百个交通大模型产品，形成了百家争鸣的繁荣景象。然而，由于不同行业知识、数据以及技术之间的壁垒，这些模型在功能、技术上呈现出较大的差异，难以协同工作，形成了各行其道的局面。本次论坛主要对交通大模型的发展状态、核心技术以及未来演变趋势开展了深入研讨和思辨。

论坛主要分为学术报告和Panel讨论两个环节。在学术报告环节，四位嘉宾从自身在智慧交通领域的研究经历出发，报告和总结了交通大模型给研究工作带来的机遇与挑战；在Panel讨论环节，嘉宾与听众们就何为交通大模型、百‘模’局面如何发展、开发者有无合作的动机和机会、高校如何参与大模型的竞争等问题进行了深入讨论，现场气氛十分活跃。

在学术报告环节，哈尔滨工业大学（深圳）的周逊教授做了题为《基于时空智能模型泛化性增强策略的交通事件预测研究》的报告。他介绍了各种交通安全大数据对事件预测的影响，讨论了事件预测问题所面临的挑战，特别是在时空自相关性、时空环境异质性、事件的稀疏性等方面。为应对环境的异质性和事件分布不均性，介绍了基于空间划分和集成学习的泛化性增强策略。面对稀疏性和随机性挑战，介绍了基于时空排序指标优化的事件热点位置预测技术。最后，他还对交通事件预测模型的可解释性、公平性等新挑战进行了探讨，对未来大模型在时空/交通预测问题中的应用价值进行了展望。提问环节中，周逊教授在对数据进行网格划分的方式、不平衡分类问题的解决方案、公平性等问题上与现场观众做了交流。

 周逊作主题报告

上海交通大学电子信息与电气工程学院副教授郑冠杰做了题为《城市级交通策略优化：从仿真到落地的探索》的报告。他聚焦于城市交通优化的核心问题：交通仿真、策略学习、迁移落地，通过构建真实的、多粒度的数据驱动的交通模拟器，进行城市级交通流量多尺度预测，运用强化学习来进行交通策略的优化，并关注已有策略在真实场景中的落地。他还探讨了大模型时代真实交通数据集和应用场景的构建，并分享了自己的一些初步探索。在提问环节中，郑冠杰教授对强化学习在城市规模信号灯控制问题与现场观众进行了交流。

郑冠杰作主题报告

CCF YOCSEF长沙AC委员、中南大学计算机学院王森章教授做了题为《城市时空数据挖掘：挑战、方法与未来展望》的报告。他的报告主要包括四个方面：首先，介绍了城市时空数据及其在智慧城市中的应用；其次，介绍了在城市时空数据挖掘问题中的三大挑战及解决方案，分别是多源异构时空数据融合挑战、复杂时空相关性挑战、城市时空数据中的不确定性问题；之后，他介绍了其团队近期在兴趣点推荐和轨迹预测方面的工作；最后，对未来研究方向进行了展望，包括可解释深度学习模型、基础城市时空模型、在线学习和元学习、数据隐私与安全等问题。在提问环节中，王森章教授对交通数据的隐私保护问题与现场观众进行了交流。

 王森章作主题报告

北京交通大学计算机科学与技术学院/交通大数据与人工智能教育部重点实验室万怀宇教授做了题为《交通领域大模型的初步探索》的报告。他首先讨论了学术界交通大模型的技术框架和模型任务，包括时序大模型、时空大模型、轨迹大模型、信控大模型等。之后，介绍了产业界国内著名的交通大模型的应用场景解决方案和模型基座。最后，他从各维度能力构建的角度出发讨论了交通大模型的发展之路，包括交通信息的全面实时获取、交通知识的精准场景化问答、交通出行的个性化规划建议、交通运营的智能化决策控制、融合实时交通信息和预测能力的交通大模型等。在提问环节，万怀宇教授对是否存在通用交通大模型问题与现场观众进行了交流。

万怀宇作主题报告

Panel讨论环节：

在学术报告结束后，五位嘉宾参与了Panel讨论。除了之前进行学术报告的四位嘉宾外，CCF智慧交通分会秘书长、北京交通大学计算机与信息技术学院院长、交通大数据与人工智能教育部重点实验室主任李浥东教授也加入了讨论。嘉宾们围绕四个议题展开了激烈的讨论和思辨。

嘉宾进行Panel讨论

议题一：现有的交通大模型是“质的改变”还是“概念的套壳”？

主要观点总结：嘉宾们认为目前阶段的交通大模型更多是“概念的套壳”，而非“质的改变”。在交通领域中，某些任务的挑战程度超越了自然语言处理，比如交通事故预测。尽管未来交通大模型有潜力改变交通行业，但目前主要是应用于套壳模式。套壳并非无用，当套壳精准时对应用行业极具价值。尽管尚未出现显著质的改变，解决实际问题才是关键，对政府在交通领域的决策产生一定影响；此外，政府也十分关注模型的可解释性。

议题二：交通大模型会走向通用还是专用？

主要观点总结：交通大模型未必会极端地走向专用或者通用，而是通用和专用并存、共同协调发展的局面。通用大模型有一些通用的场景，能更好应对日益复杂和多样化的交通管理需求；而专用大模型也是必须的，能够更好的适应特定领域的独特性和特殊需求。通用大模型是一个美好的愿景，能解决所有交通相关的问题，做生活助手。然而现实很骨感，数据有多样性，国家不同部门数据的共享和公开有难度，通用大模型不太现实。交通领域涉及铁路、公路、水上交通、航空等复杂的交通模式、场景和出行需求，通用大模型所面临的挑战是短期内难以克服的，这不仅需要科技企业、科研院所的努力，也需要大量领域专家的协作。尽管当前的交通大模型主要是专用化的，但随着技术和需求的发展，未来交通大模型朝向通用化的方向发展的可能性也是存在的。

议题三：交通大模型开发者是否有合作动机和合作机会？

主要观点总结：嘉宾们认为各开发团队拥有不同的专业背景和资源，在交通大模型的开发中存在着合作动机和合作机会，通过合作可以促进资源共享、知识交流、技术创新、和市场拓展，加速交通大模型的发展和应用，提高交通系统管理和运行的效率和智能化水平。大模型在理论和实践上都有困难，针对不同问题应有不同的专业大模型，再根据具体的应用场景进行组合与合作。合作是必然的选择，各方可以相互补充，达成合作；但也存在着数据共享的安全和隐私问题，并且在构建通用大模型前需解决数据安全和利益分配等挑战问题。

议题四：高校如何参与交通大模型的竞争？

主要观点总结：高校在交通大模型领域具有丰富的人才资源和前沿探索能力，能够推动技术创新，而这些方面是企业不一定愿意大规模投入。然而，高校面临数据获取困难和隐私限制，多源数据的整合和规划需要政府的支持和资源整合能力。高校需要与政府和企业紧密合作，明确任务分配，发挥各自优势，共同推进交通大模型的发展。高校在AI领域存在危机感，高校应根据自身条件，围绕大模型中未解决的技术点进行研究，解决关键步骤，弥补关键环节，而不是试图开发大而全的产品。高校应发挥自身优势，与企业互补而非竞争。与美国相比，美国的公司产品影响力较大。高校的资金和硬件不如公司，因此应专注于基础研究。高校参与交通大模型竞争需要建立联合、系统化的创新模式，不同高校团队应跨专业、跨高校合作，构建良好的生态圈。我们需要各领域的专家共同合作，建立联盟，推动生态的持续发展和整合，引领全球发展。

嘉宾与观众自由思辨讨论

在Panel讨论环节的最后阶段，嘉宾与多名观众进行了激烈的交流互动。观众分享了自己的观点，包括大模型的本质特点、研究所面临的挑战，并提出了关于交通大模型在应用中遇到的问题，如集装箱码头调度问题、强化学习如何高效解决大规模问题、大模型方法解决优化问题中的方法策略、如何推动交通大模型的质变等问题；嘉宾们针对听众的问题表达了自己的观点。

晁国清对论坛进行总结

最后，CCF YOCSEF青岛现任主席、哈尔滨工业大学（威海）晁国清教授对本次论坛活动进行了总结。

论坛合影