通信世界网消息（CWW）在城市化迅猛发展的背景下，城市转型发展正面临着前所未有的机遇与挑战，人工智能带来日新日异的技术发展与应用不断创新，特别是生成式AI因其能够基于大量数据自主学习和生成新的内容，在各个领域展现出新的活力。在交通领域，许多初创项目正在进行创新应用，在给城市交通与产业发展带来治理升级、模式升级、体验升级及决策升级等价值，但同时暴露出一些急需解决的问题，如人身安全、就业替代、监管问题，建议从技术安全加强、监管规范制定着手，小范围论证再推广的方式，助力生成式AI在交通应用中发挥更大的价值。
生成式AI+交通创新应用带来的社会价值
自动驾驶技术的发展和应用，对社会的数字化转型具有积极的推动作用，而生成式AI+自动驾驶的创新应用为城市交通的长远发展和治理提供了新的思路和工具。
一是治理升级：生成式AI提升城市交通治理水平。城市交管部门通过生成式AI对交通流量、早晚高峰数据、道路事故数据等的分析和预判，可推动优化交通管控秩序、降低事故率、减少人力成本、提高车辆通行率，显著提升城市交通运输的负载率和安全性。比如为交管部门或交警提供生成式AI互动应用，可以通过对历年数据分析、特定道路或路口的通行特征或事故分析，以及特定区域的周期性交通趋势分析，为城市交通的趋势预判、潮汐交通流量的调节、事故的即时性处理等提供辅助。
二是模式升级：推动城市交通物流的模式升级。随着自动驾驶、车联网、大数据等相关技术的应用普及，城市交通物流模式将走向无人化、智能化。如在美国得克萨斯州达拉斯地区，Waabi公司推动自动驾驶卡车利用生成式AI训练自动驾驶系统在各种复杂和未知的环境中做出决策，在没有人类干预的情况下，自主学习和适应各种驾驶场景，极大地提升城市的物流运行效率。如DriveGPT雪湖·海若的末端物流自动配送车小魔驼，通过加持自动驾驶生成式大模型，为物流，商超、零售等众多场景的配送提供24小时服务，最大限度地降低物流成本。这些应用对于物流园区智能规划、城市交通效率提升提供了非常好的应用示范。
三是体验升级：通过重塑“人-车-路”关系提升驾乘体验。生成式AI与自动驾驶技术的结合，将改变传统的驾乘体验，通过汽车传感设备对驾乘行为、道路状况以及相邻车辆的状态感知，重塑了“人-车-路”三者之间的关系。生成式AI将使驾驶室由一个操作空间转变成为一个稳定的、可交互的工作空间与娱乐空间，从专注驾驶解放到专注移动体验，并根据用户偏好和行为模式提供个性化服务，用户体验得到了极大地提升。生成式AI赋能的车内空间将成为继办公室、客厅之外的“第三空间”。
四是决策支持：为城市道路规划与智能交通发展提供创新思路。通过对道路、车辆、驾乘行为等数据分析，生成式AI可为城市道路规划和基础设施升级决策提供数据支持，为城市的低碳转型提供决策支撑。如在波士顿通过生成式AI将哥本哈根的自行车基础设施形式的实景化数据覆盖和模拟分析，让公众身临其境地感受未来波士顿建设自行车（网络）城市的模样，为公众参与城市未来发展决策提供感同身受的预期。此外，交通数据的生产将成为未来城市重要的数据资产，为未来城市产业转型、民生发展与治理升级，在数据开放、公共数据授权运营等方面提供创新机会。
生成式AI+交通创新应用潜藏的风险
一是人身安全风险。过度依赖生成式AI导致人类驾驶主导权被剥夺或习惯性被剥夺，也会因为技术故障导致车辆无法正确响应环境变化，增加事故风险；因网络安全威胁，如黑客攻击可能控制车辆，威胁乘客安全；法律责任不明确导致事故责任难以判定，影响受害者权益等，这些风险可能导致交通事故增加，乘客和行人安全受损，以及法律和道德问题复杂化。特别对于数据泄露引发的安全问题尤其重要，如交通数据一旦泄露或恶意篡改，将直接威胁交通系统的稳定与安全，误导交通决策与管理流程，导致交通事故与公共利益受损等严重后果。2023年特斯拉泄露100GB用户数据，其中包括马斯克及员工工资等信息，还包括4000余份特斯拉突然加速或“幽灵刹车”的投诉，数据泄露事件覆盖美国、欧洲和亚洲特斯拉车主，影响超7.5万人，引发公众对特斯拉自动驾驶系统以及智能网联汽车数据安全的担忧，进而担忧因数据泄露可能导致人身安全的风险增加。
二是就业替代风险。新技术的应用将降低对人类驾驶员的依赖，将会减少传统驾驶相关的职位，特别是货车司机、出租车司机、巴士司机等传统职业。目前美国Aurora Innovation、Kodiak Robotics等多家科技公司正积极探索自动驾驶货车项目，随着技术的不断完善和商业化推广，部分人工驾驶员面临失业风险。但同时，它好将创造新的就业机会，包括生成式AI应用于交通系统的研发、维护、测试工程师，以及网络安全专家和数据分析师。如“萝卜快跑”配备的后台安全员岗位。此外，随着生成式AI应用于车辆的普及，新的服务和支持行业将出现，如车辆监控、远程技术支持和智能交通系统管理。所以，在新环境下的劳动力市场将经历从传统技能向技术技能的转变，对于将被替代岗位人员可进行再培训和技能升级以适应新的就业环境。
三是监管难度升级。针对驾驶人责任判定，从法律层面上看，现行法规多基于有人驾驶，对加载生成式AI的交通应用与车辆的事故责任归属、保险理赔的规定正在逐步明确，但还未正式有法可依。目前仅深圳、北京、上海、武汉等地在积极制定相关的地方性法规，明确自动驾驶车辆在交通事故中的责任归属。从技术层面上看，生成式AI应用于交通系统的操作记录及决策逻辑都需透明化，规范化，以备在事故发生后进行责任追溯。在社会层面上，公众对生成式AI应用于交通的接受度和信任度、责任判定的社会认可度方面仍有待教育与认知共识的达成。如2024年7月，百度旗下的“萝卜快跑”出租车在武汉与一名闯红灯的行人发生轻微接触，事故责任归属问题引起了广泛的社会关注。
应对及建议
对于生成式AI应用于交通应用，可以从技术层面进行安全保障、政策法规方面明确责任、小规模验证应用到大范围的可靠推广，助力城市交通运行站上新台阶。
首先，完善搭载生成式AI交通的安全技术保障。多个监管部门相互协调，通过标准制定、测试认证、市场准入及质量监督、交通数据安全管理，对加载生成式AI交通技术的整车上路进行严格的监管。交通运输部门可建立适合未来加载生成式AI的交通应用趋势和需求的道路规划、交通标志等，根据未来发展情况前瞻性规划城市智能交通与搭载生成式AI交通车辆间的智能协同方案，从道路设施的改进到交通系统的协同，匹配未来智能交通的发展趋势。
其次，优化加载生成式AI交通的政策法规。制定清晰的政策和法规，明确生成式AI交通车辆的责任归属、事故处理和保险问题，以减少公众的不确定性和担忧。目前少数地方性试点法规在试行通过后，可上升为省级或全国的法规，供各地发展中参考应用。在德国通过的自动驾驶法要求相关汽车安装记录驾驶过程的“黑匣子”，以明确交通事故责任。如事故发生在人工驾驶阶段，则由驾驶人承担责任；如发生在自动驾驶阶段，或由于系统失灵酿成事故，则由汽车厂商承担责任。
最后，先特定区域试点后谨慎扩大。由于技术成熟度、公众接受度、基础设施、法规不成熟等问题，特别是加载生成式AI的交通车辆及应用推广可先在特定区域试点，然后根据试点结果谨慎扩大的策略。可先在封闭或半封闭的环境中进行，如测试跑道、工业园区或指定的城市区域，以确保可控的风险和有效的数据收集，通过详尽充分的验证与测试，评估试点结果。试点成功后，逐步扩大到更复杂的城市环境和更广泛的应用场景。
