基于交通领域专有数据集的建设、行业大模型微调研究与实践

周 金煜, 刘 通, 梅 凤珠
中城交（上海）科技有限公司

摘要


近年来，以大语言模型（Large Language Models，LLMs）为代表的生成式人工智能在自然语言理解、逻辑推理及多模态数据处理等领域取得了突破性进展。然而，通用大模型在面对复杂的城市智能交通系统（ITS）时，常因缺乏垂直领域的专业语料输入，而在交通规则解析、时空态势感知与动态决策任务中表现出泛化能力受限及“幻觉”现象。本文围绕交通行业数智化转型的核心诉求，系统性地探讨了基于交通领域专有数据集的构建方法以及行业大模型的微调与增强实践路径。本文首先梳理了国内外交通大模型的前沿进展；其次，详细阐述了涵盖多模态融合、领域词表扩充与“数据到文本（Data-to-Text）”转换的高质量交通语料库建设流水线；在此基础上，深入剖析了以参数高效微调（PEFT）和检索增强生成（RAG）双轮驱动的交通领域大模型优化框架；最后，结合开源项目与实际应用案例，展示了交通大模型在智能交通客服、态势感知及辅助交通规划中的赋能价值。本研究为推动大模型技术从通用域向交通垂直领域的深层渗透与应用落地提供了重要的理论支撑与实践指南。

关键词


智能交通；大语言模型；数据集建设；参数高效微调；检索增强生成（RAG）；多模态对齐

全文:

PDF


参考


[1]Yan, Y., Liao, Y., Xu, G., et al. (2025). Large Language Models for Traffic and Transportation Research: Methodologies, State of the Art, and Future Opportunities [J]. arXiv preprint arXiv:2503.21330.

[2]Ren, X., et al. (2024). A survey of large language models in transportation planning: modelling, design and decision-making [J]. Taylor & Francis.

[3]Wang, Y., et al. (2024). TransGPT: Multi-modal Generative Pre-trained Transformer for Transportation [J]. arXiv preprint arXiv:2402.07233.

[4]周正，顾子渊，曲小波，等.城市多模式交通大模型MT-GPT：点线面的分层技术与应用场景[J].中国公路学报，2024，37（2）：253-274.

[5]李健，郭思涵，倪安宁，等.城市交通知识增强大语言模型构建及应用探索[J].城市交通，2024，22（2）：30-38.

[6]肖建力，邱雪，张扬，等.交通大模型综述[J].交通运输工程学报，2025，25（1）.




DOI: http://dx.doi.org/10.12361/2661-3506-08-07-161703

Refbacks

  • 当前没有refback。