北航新闻网5月1日电（通讯员 黄万超）在人工智能技术迅猛发展的浪潮下，北航智能交通技术与系统教育部重点实验室持续深耕“人工智能+交通”交叉研究，成功研发出国内首个交通行业垂直大语言模型——TrafficGPT及其升级版本TrafficGPT v2.0。项目围绕高水平科研攻关、复合型人才培养、教育教学创新三大主轴，打造了“AI+交通”融合发展的北航样本。

拓展科研边界：打造面向行业的交通专属大模型

面对交通领域“大规模、非线性、实时性强”等典型难题，北京航空航天大学智能交通技术与系统教育部重点实验室张钊副教授团队以大语言模型为基座，融合多元交通基础模型，构建出面向行业应用的智能交通大模型——TrafficGPT。作为国内首个交通垂直领域的大语言模型，TrafficGPT创新性实现了自然语言指令与复杂交通系统的深度交互，具备多模态交通数据处理、任务智能解构、自动建模与优化、智能仿真与决策支持等全流程能力。

在技术机制上，TrafficGPT引入“工具增强型LLM”架构，结合交通仿真引擎与领域知识图谱，实现了复杂交通任务的语义解构与可控推理，具备自动生成交通运行报告、诊断瓶颈路口、提出信号优化方案等高级功能；v2.0版本更进一步引入“双大脑架构”，通过交通行业模型与仿真模型的联合推理，大幅提升交通辅助决策的准确性和稳定性，支撑其在城市管控、路网优化、应急响应等多场景下的落地应用。

TrafficGPT的研究成果已发表于国际权威期刊《Transport Policy》，相关工作在国际会议及开源社区引发关注。目前，团队已与公安部道路交通安全研究中心、交通运输部公路科学研究所等开展实地合作，并持续推进模型的开源及开放接口，为行业提供可扩展、可演化的交通智能体平台。

该项目不仅推动了智能交通技术从算法实验走向实际部署，更在交通系统研究方法、AI系统架构设计等方面为垂直行业大模型建设提供了“北航方案”，在推动科研范式革新的同时，拓展了人工智能在重大社会问题中的战略应用边界。

创新育人模式：推动AI+交通交叉型人才培养体系建设

北航充分发挥科研反哺教学的优势，将TrafficGPT研发过程中的模型结构设计、数据处理流程、任务分解方法等前沿技术，系统融入到交通工程与人工智能交叉课程体系中。通过“项目制驱动+真实任务场景+AI工具应用”的教学实践，培养学生具备同时理解AI算法与交通系统机理的能力。

在课程设置上，实验室依托研究平台，开设了《智能交通系统建模与仿真》《AI在交通中的应用实践》等模块化课程，同时通过交互式仿真平台和自然语言操作接口，使学生能在真实数据和真实任务中探索AI模型的实际应用路径。

教学科研融合：探索“教学即科研、科研即育人”新路径

TrafficGPT在北航智慧交通实验教学中的试点应用，打破了传统“教学与科研割裂”的局面。学生可借助模型实现从交通网络建模、数据分析到优化方案生成的完整链条操作，在“边学边研”的实践中，强化对知识的综合应用和创新能力的培养。课题组亦通过项目制参与机制，吸引本科生、研究生参与大模型设计与训练，在实际研发中完成从“工具使用者”到“模型创造者”的身份跃迁。

未来，课题组计划进一步推动TrafficGPT的教育化应用，将其打造为面向高校教学的开放式AI实践平台，服务于全国高校的交通工程、城市规划、智能系统等专业课程体系建设，助力形成“人工智能+专业教育”融合发展新生态。

（审核：杨世春）

编辑：贾爱平