2025 国际工程智能大会奉献了 6 场代表着工程智能领域前沿水准的主旨报告，6 位顶级专家学者对工程智能关键领域的创新探索与深度思考。本文为同济大学交通学院党委书记马万经教授报告精华整理——《从运力到算力：道路交通粒流协同管控新范式》。

大家好，非常感谢大会的邀请。今天我将从交通管控视角，分享对工程与智能融合的理解和思考。我是同济大学交通学院的马万经，本次汇报分为四个部分。

一、工程难题

工程智能的核心是要解决实际的工程难题。对交通领域而言，我们认为交通拥堵的治理是一个世界性的工程难题。我们经常说，人类已经能将宇航员送上月球背面，却至今难以有效破解城市地面的拥堵问题。这一困境背后存在多重因素，比如著名的当斯定律就指出：若无有效的管控措施，需求总是会倾向于超过设施，意味着拥堵将会成为必然现象。因此，如何有效缓解这一必然难题，是我们面临的关键课题。交通系统作为一个开放的复杂巨系统，其动态性、随机性与人的实时参与性相互交织、深度耦合，这种多维度的复杂关联性使其成为极具挑战性的工程难题。

当前，我们主要面临四个方面的难题：

第一，交通设施能力评估难题。虽然包括中国在内全球已建成了庞大的交通运输网络，但这个网络到底能够提供多大的能力成为我们需要考虑的、研究的问题。这一能力会随着信息技术、运载工具及运行模式的演进而动态变化，特别是在自动驾驶与智能网联技术快速发展的背景下，如何评估交通基础设施的服务能力与承载力已成为一个核心问题，也是我们管控决策的基础。

第二，数据质量与完备性难题。我们既需要确定有效管控所需的数据规模，更要直面交通数据固有的不完备性。这不仅是中国特有的情况，美国及其他国家的实践同样表明：数据的不完备、不准确是交通系统作为开放复杂系统的本质特征。因此，我们到底需要多少的输入数据，或者说什么程度的输入数据才足够我们管控决策成为了第二个难题。

第三，供需匹配的优化难题。理想的交通系统需要实现供给与需求的精准匹配，但现实中往往存在“谁适应谁”的根本性问题。同时需求与供给也存在差异化，我们还需要明确优先适配哪类需求，这就需要建立一套新的决策框架。

第四，系统评价标准的难题。长久以来，传统工程评价强调客观指标的重要性，但交通作为服务体系，使用者的主观感受同样重要。并且随着系统演进，“好”的标准也在不断扩展——从过去关注事故安全，到现在还需纳入信息安全等维度。因此我们认为，最大的潜力、最小的输入、最佳的匹配和最好的表现。可能就是我们目前面临的难题。

二、数智变革

为了解决这些难题，过去已有了很多的工作，现在我们正在探索新的技术路径。随着智能网联车辆的普及，交通流中涌现出具备自主感知、决策与协同能力的智能实体。这些实体可被视为交通流中的“智能的粒”，其可控性与交互性为构建“粒流协同”管控新范式提供了绝佳契机，有望实现微观个体行为与宏观交通流的深度融合与优化。与传统的单向管控不同，智能网联车辆既可作为算力智能体自主计算、决策，更重要的是它又能与控制中心、其他车辆及道路实时交互，实现更大范围内的更好的实时交互和系统决策。

这一新范式带来两个重要转变：第一，车辆从被检测对象转变为检测手段，其轨迹数据可反映路网整体运行信息；第二，车辆从被控对象转变为控制工具，通过系统到端的个性化调控实现静态资源动态配置。我们2013年的研究表明，网联车辆通过系统交互可动态优化设施使用效率。

三、粒流协同

基于这两个重要转变，我们提出了“粒流协同”的变化模式，它包含四个核心组件：一是“以粒测流”，通过全网全域的车辆实现全域全时的本征提取；二是“以粒控流”，通过调控个体车辆去改变整体路网的状态；三是“流中控粒”，在混合交通流中优化智能车辆行为达到最佳决策，同时还能影响其他的车辆；四是“粒流协控”，我们既需要实现个体的最优，同时也需要实现整体的最优。

在智能技术快速发展的支撑下，我们开发了”行之”智慧交通大模型，构建了“通专融合、四位一体”的技术体系，集成了大模型、工具集、小模型与智能体，全力支持“粒流协同”的实现。

在实践层面：我们利用“以粒测流”，通过跨域迁移与多模态融合，仅用少量样本便实现了全域状态感知；通过“以粒控流”求解非线性优化问题，调整少数车辆行为就可以改变整条道路的运行状态；在“流中控粒”方面，因为不同车辆的智能程度不一样，如何使得决策能够从局部最优（或者次优）走向最优是我们需要考虑的问题，我们利用这一智能调度算法，在滴滴网约车等场景中验证了其效益；“粒流协控”，即既要考虑个体的效益最优，同时也要考虑整个路网的效益最优。我们通过对抗生成网络等方法，一方面是提升系统效率，另一方面是保障网联数据的信息安全。也就是让系统在智能网联、粒流协同的情况下，不仅单纯地考虑效率问题，还要考虑信息安全、主动防御情况下的系统韧性。这是我们对于粒流协控的一些初步思考和分析。

四、未来展望

工程智能的发展，使我们得以从“运力转变为算力”的角度重构交通系统，来解决本质的工程的问题，最终目标是通过算力的提升来实现运力的倍增。这需要建立对AI与交通关系的双重认知：AI既能帮助解决交通系统的复杂性问题，交通场景也为AI发展提供了丰富的试验环境。

最后我想强调，交通系统的评价需要兼顾主客观角度。在交通强国建设的总目标中，“人民满意”是放在第一位的。我们正运用大模型技术分析人对交通改善的感知，致力于发展那些既能解决实际问题、又能获得人民认可的技术方案，我想这也是工程与智能的融合过程中需要持续探索的问题。以上就是我的汇报，非常感谢大家！