近日，交通運輸部明確，要深入實施“人工智能+交通運輸”行動，加快完善“人工智能+交通運輸”發展和治理體系，守牢人工智能安全底線。這引發業界關于推動AI技術由算法工具向治理手段、治理能力轉變的思考。

交通運輸屬于高風險、高流量、高責任復合型行業，路網、軌道、港口、航空、危貨運輸，點多、線長、面廣，傳統治理存在覆蓋面不足、風險預判弱、管理滯后等短板。筆者認為，行業要融合AI技術完善發展治理體系，需要規避兩個誤區，一是將AI視作全新顛覆性技術，拋棄多年建成的信息化、智能化基礎；二是僅把AI當作效率提升的工具，忽視其重構行業治理邏輯的底層價值。

從技術角度，AI是一套以數據為核心的輔助決策體系，始終無法脫離傳統交通技術獨立運行。傳統交通信息化建設，核心集中在數據采集、存儲、查詢和單向指令下達，路上的監控攝像頭、道路傳感器、后臺調度系統，大多只能完成簡單的數據記錄，所有數據基本都是事后調取用于復盤分析。而AI的核心優勢恰恰是實時感知、自動研判，讓交通管理從被動的事后處置，升級為主動的事前預警。因此，新舊技術并非對立關系。傳統交通搭建的系統和平臺，都可以成為AI技術落地運行的數據底座。AI的真正作用，是深度挖掘存量數據的價值，替代人工完成海量重復的數據分析和研判工作，優化復雜場景下的資源調配，解決傳統技術預判不準、研判片面的問題。拋開現有的數字化基礎盲目搭建AI系統，只會造成重復建設。所以，“人工智能+”應重在融合，而非重構。

我國當前已經形成覆蓋公路、鐵路、港口、航空的完整交通信息化。歐美、東南亞各國也普遍建成了成熟的傳統交通管控平臺。縱觀全球案例，幾乎沒有徹底推倒原有體系、從零開始建設AI交通系統的，新舊銜接、平穩融合是行業共識。例如，英國菲力斯杜港在港口原有定位設備的基礎上加裝AI感知模塊，實現人工車輛與無人車輛混合作業，用最小改造成本完成了智能化升級。無錫作為全國首個“車路云一體化”試點城市，也沒有舍棄已建成的全市聯網信控系統，而是打通了全市3萬余個交通標識、2000多個路口信號燈的數據，對接路側AI感知終端，實現車、路、云三方數據實時互通，讓城市高峰擁堵時長下降15%。

不同AI技術，在交通治理中承擔著不同的角色。底層的機器視覺、輕量化小模型，完成單點數據識別、局部風險排查，解決單一崗位的重復性工作，屬于基礎工具賦能；中層的時序預測、多智能體協同模型，可以優化各類運輸調度流程，打通單一交通方式的內部資源，但無法實現跨領域、全場景統籌；而頂層的交通垂直領域大模型，能夠整合路網、軌道、港口、危貨運輸等全維度數據，聯動執法、養護、應急、多式聯運等全業務鏈條，真正重塑整套交通治理范式。

全球多個成熟案例，也印證了分層落地、協同賦能的重要性。新加坡陸路交通管理局依托全域交通大模型，統籌調度路網、公交、海事資源，動態調整交通信號、車輛運力和執法管控策略，實現城市交通一體化、智能化治理；東京地鐵結合軌道視覺識別、時序故障預測兩大AI能力，將軌道故障預警周期拉長，把傳統的故障后搶修模式，升級為隱患提前排查處置的主動模式；國內天津港整合港口視覺AI、集卡協同調度模型、港口垂域大模型，配套完善的算法審查、數據分級管理制度，打造出行業標桿式的零碳智慧碼頭治理體系。

總之，推進“人工智能+交通運輸”落地，核心前提是做好AI新技術與傳統交通治理體系、現有技術方案的有序銜接。依托存量改造為主、增量新建為輔的發展思路，穩步完成技術融合，才能推動傳統交通治理的融合創新發展，這也是“人工智能+交通運輸”核心是提升治理能力的技術邏輯。（作者是廣州大學交通運輸研究中心副教授）