Turing交通专家大模型解决方案

微信扫码，打开到小程序

Turing 交通专家大模型解决 方 案 建设交管新质生产力 ， 重构智能应用新模式 2024 年 9 月 目 录 二、 解决方 案 三、 场景应 用 一、 现状背 景 CONTENTS 01 现状背景 大模型能力突破 大算力： 硬件快速发展， 使得训练更高参数量 、 更复 杂的大模型成为可能 大数据： 大量标注数据和交通实时数据， 为大模型提 供丰富的数据基础 大模型： 大模型表现出更高的准确性 、 更强的泛化能 力和更复杂的任务处理能力 ● 语言能力： 具备自然语言理解与组织能力， 能 极 大 降低 人 与 机 器 的 沟 通成本 ● 思维能力： 具备多维度分析能力， 对交通数据 进 行更准确的分析 、 预测 、 模式识别等 ● 学习能力： 大模型可以根据历史和实时数据进 行 学习， 并能够持续优化交通能力 赋能新质生产力 小模型初具成效 物联网普及： 更多传感器设备被连接到网络， 提供更 丰富的数据 机器感知能力崛起： 机器感知技术逐渐成熟， 数据识 别和处理初具成效 进展 智能感知与分析： 卡口 、 电警， 交通流量预测等 自动化控制： 如智能信号控制 、 自动驾驶测试等 局限 局限于感知智能： 大多数应用都是基于特定任务的感 知智能， 缺乏更广泛和深入的理解和决策能力 缺乏自适应和学习能力： 由于不是通用智能， 系统面 对未知新问题或复杂业务时， 通常需要人工干预 信息技术快速发展驱动人工智能时代跃迁 信息技术成熟 技术成熟度： 基础信息技术 、 网络技术相对成熟 政府支持： 政府重视交管信息化， 提供资金和政策支 持 进展 数据收集与存储： 使用传统的摄像头 、 雷达和地磁传 感器等进行数据收集 云计算与大数据： 开始使用云计算和大数据技术来分 析和处理交通数据 局限 数据孤立： 各种数据通常是孤立的， 缺乏综合分析 A1 1.0 时代 （ 2017-2021 ） A1 2.0 时代 （ 2022 年至 今） 信息化时代 （ 2010-2016 ） 大模型技术落地可行性 交通理解 交通决策 非灵长类动物 灵长类动物 非灵长类动物 灵长类动物 灵长类动物 48.2g 69.8g 2848g 377g 1232g 大模型参数超越人类神经元量级 ， 具备智力基础 智力基础加上专业学习 -> 解决专业问题 大模型参数量已超过千亿 ， 具备人类相当的智力基础和解决专业问题的可行性。 交通感知 千亿神经元 3 亿神经元 17 亿神经元 56 亿神经元 91 亿神经元 163 亿神经元 脑容量和神经元数量 哺乳动物大脑皮层质量和神经元数量 水豚 恒河猴 非洲丛林象 大猩猩 人类 02 解决方案 A1 1.0 时代 （专用人工智能） A I 2.0 时代 （通用人工智能） 大模型统一范式解决问题， 自适应系统在复杂 环境中寻找稳态路径 每个模型都只能完成特定智能任务、处理特定 数据， 解决特定的智能问题 ● 高效压缩信息表达知识 ● 持续提高泛化能力 ● 可有对齐自然语言表达， 价值 、 行为规范等 ● 持续地充分利用有效算力 ● 多模态信息归一化 (token 化 ) ● 扩展任务领域和专业知识 交通大模型 人工处理多个复杂任务的协同 交通 元素 模型 a 事件 发现 模型 b 数据 补全 模型 i 致因 分析 模型 y 方案 生成 模型 z 信控 优化 模型 z 辅助 决策 模型 z 智能感知 每个任务， 单独训练， 单独开 发 智能信控 智能研判 交通 AI 应用统一范式 A I 1.0 时代一事一模型， A I 2.0 一个大模 型 支持多种下游任务 交通业务处理自动化 大模型推理、表达、任务扩展能力， 实现 像 人一样交互、思考、行动的交通服务 交通处理能力自学习 大模型提供多种精调和应用技术手段， 快 速 沉淀业务知识和经验 大模型驱动交管智能化升级 大模型技术驱动 2.0 生成式人工智能时代， 面向交管智能化应用提供通用模型能力、业务 自动化能力、经验自学习能力。 智能感知 智能研判 智能信控 核心技术基础 图灵自研 AI 生产力平台 ， 以高效 AI 生产与标准应用集成为目标 ， 实现算法工程到行业 应 用端到端一站式落地 ， 2.0 版本面向多模态数据处理、异构大模型训推架构等提供工具化基础。 贯通数据、算法、 引擎、评测全流程， 综合提升模型开发与工程落地效率 40% + 支持百万级数据存储 、 预处理 、 自动化标注 、 3D 标注 、 数据标签化及检索等全生命周期管理。 支持模型训练 、 调优 、 验证 、 发布全流程 、 可视化闭环管理， 支持 PyTorch 、 MXNet 、 TensorFlow 等 6+ 框架 算法池。 支持模型异构设备推理转换 、 场景化 AI 测试 、 引擎发布， 全面适配华为、 寒武纪、 算能等系列硬件。 图灵 AI 生产力平 台 （ Turing - AICMS - 2.0 ） 依托鹏程 脑海多模态通用大模型 ∙ ， 通过多源异构知识语料与多模态特征编码协同提升多 模态生成式问题理解精度 ， 并结合微调垂域化训练 ， 推进 Turing 多模态大模型行业应用赋能。 多源异构知识语料库 领域知识向量化 大模型垂域微调增量训练 众多应用场景任务 核心技术基础 Embeddings 模型 领域知识矢量 ....... ....... 特征对齐 时序信号 视频 图片 文本 典型工序仿真 鹏城 · 海纳 1.0 2.0 3.0 3.5 基于 Transformer 架构自 回 异常场景感知 垂域知识交互问答 智能决策助手 智控研发变速箱 优化算法代码生成 智控算法仿真验证 归式预训练语言大模型 反馈微调大模型 o pe n AIG PT BloomZ 大 模 型 “ 鹏城 · 脑海”大模型 清华开源大模型 复旦开源大模型 标注系统 评测 适配 T-ARES 感知引擎 T-ARES 认知引擎 T-ARES 决策引擎 决策引擎 T-ARES 通用人工智能体服务 智能体上层业务应用 图灵人工智能推理套件 T-ARES 智能体服务 T-Link 星链模型调度中间件 模型注册服务 T-Serve 通用 API 部署框架 大模型资源池底座 鹏城 脑海大模型 智谱大模型 XoT 思维链 认知技术框架 Modular RAG 模块化检索增 强生成 HuggingFace 模 型 仓 … 私有化推理部署调度 云 SaaS API 调度管理 推理算力资源监控 & 分析 交通场景感知模型 交通视觉大模型 智源 悟道大模型 百川大模型 文本 / 语音 / 视频多模态输 出 文本 / 语音 / 视频多模态输 入 低代码 / 脚本生成 交互文本 生成 数据检索 查询结果 行业赋能 工具 大模型生命周期监测 & 分 析 视图理解 结构化查询 语音指令 文本命令 03 场景应用 新一代智能交通专家系统 依托 Turing 交通专家大模型提供自然语言理解与处理、视觉感知、指令学习、记忆学习、 推理决策等基础能力 ， 打造新一代智能交通专家系统。 Turing 交通专家大模型能力基础 自然语言理解与处理 - 交通语言理解能力 记忆通识能力 - 交通知识、法规及政 策 模式识别能力 - 交通多模态数据处理能力 推理与决策能力 - 复杂交通规划、推演及评 价 视觉感知处理能力 - 交通全场景识别 交通自学习能力 - 交通变化与指令学 习 安全防控 违法监管 车辆研判 隐患治理 交管指挥 设施运维 交通大模型应用赋能 视觉感知能力 语言交互能力 推理决策能力 拥堵研判 / 事故致因分析 交通设施： 路网、标志标线、信号灯 交通参与者： 人、车、非机动车 路网环境： 抛撒物、积水、 团雾 交通事件： 事故、拥堵、停车等 行业知识问答 构建交通业务系统、法律法规、政策规 划等专家知识库， 理解并回答问题。 智能客服助手 理解用户自然语言输入， 并以智能、连 贯的方式交流， 回应用户问询及需求。 报告分析工具 结合用户问题查询系统数据， 生成研判 分析报告、隐患诊断报告等。 交通仿真推演 / 路径规划 交通场景通识 大模型时代的智能交互引擎