基於多模态交通数据理解的生成式预训练交通大模型 (ARD/309)

百度智能云

自2016年起，应科院智慧出行技术（SMT）团队一直致力於香港智能出行计划的研究和发展。传统上，智能移动解决方案依赖基於规则的方法或端到端特定任务的神经网络来进行交通数据处理。这种方法固有的无穷无尽的长尾问题阻碍了路边和车载感知和决策技术的商业部署。受近期大型预训练人工智能模型发展的啟发，我们将开发具有多模式交通数据的大型预训练模型，作為下一代智能移动解决方案的基础。 在这个项目中，应科院SMT团队将解决实现大流量模型预训练的四个基本因素： - 大规模多模态交通数据集构建及数据影响力验证。 - 可扩展的模型设计，可用於多模式交通数据输入的数百万至数十亿个参数。 - 大型模型预训练的自监督学习任务设计。 - 渐进式可行性计划，基础设施支持有限。 预训练的大交通模型可以使眾多下游智能出行任务受益，例如异常检测、驾驶员行為分析、数据驱动的交通模拟等。通过将通用知识编码到大型基础模型中，下游特定於任务的模型将有可能能够处理罕见和未见过的情况，并降低道路事故或拥堵的风险。该项目所支持的技术是香港智能出行路线图的关键。