需求细化及数据驱动：从CTSE 2024交博会看智慧交管市场发展

投资缩减的大背景下，能感觉到甲方想要“用小钱办好事”，所以本次展会概念性的东西虽然有，但不是主流， 连主流设备企业都在展示各种解决方案 。 全息/数字路口仍是设备集成类展示较多的种类 ，车路协同、交通大脑、数字孪生等曾经炙手可热的名词，本次展会上成为点缀。

部分智慧、数字路口展示

（滑动查看全部图片）

这几年的智慧交管市场既有政策推动，也有内生需求 。如全域信控、信号优化、道路交通安全隐患排查和治理、区域和全局的拥堵治理、重点营运车辆监管以及电动自行车治理（减量控大）、设施运维智能化等等。 本次展览展示的解决方案，多集中在以上几个方面 ，尤其是道路交通安全隐患排查和治理方案，大小企业都有，多是基于智能视频大数据来实现，全面一点的，比如海信、杰瑞等，会把人、车、路、设施都涵盖进去，而大部分可能还是集中在道路和设施的隐患排查。

部分解决方案展示

（滑动查看全部图片）

百度道路安全隐患AI巡检系统

电动自行车治理也是本次展会的一大热点 ，但多是基于全量视频解析来实现对交通违法行为的识别，这和最近几年各地大规模给电动自行车上牌有关，毕竟如果不关联到驾驶员，即便识别出来也很难做到精准宣教、执法。这里有个问题，如果基于视频智能分析的方式就能实现电动自行车交通隐患治理，那么电动自行车电子标识还有多大的市场，当然， 电子标识在电动自行车全链条管控方面还是很有价值，尤其是在充电消防管理方面 。

全域信控方面，除了基于全量视频解析来支撑外，互联网数据也变得愈加重要， 基于这两类数据配合第三方社会化服务机构来进行重点路口的定期优化，可能会是未来信号优化的常态 。

信号配时向互联网地图图商开放已经成为趋势 ，未来的车联网、车路协同也需要信号配时等信息，交管设施的数字化（唯一编码、安全接入、实时运维）应该是未来交管的一大特征，也就是公安部道路交通安全研究中心副研究员胡伟超在本次展览配套论坛上所提到“可编程交通控制系统”要实现的第一步吧。

可规模化生产和成批量安装的设备，市场到了瓶颈期，有需求也基本会被头部几家企业“吃掉”，但可以看到 这几年越来越多需求分散但持续的产品，反而养活了不少中小企业 ，比如路口的智慧斑马线，弯道预警设备、公路气象设备，以及信号灯、补光灯等，方案市场还有设备运维。

部分产品展示

（滑动查看全部图片）

雷视一体化设备展示较多，单目、双目，200米，400米，800米，甚至还有1000米的。

部分雷视产品展示

（滑动查看全部图片）

补光灯参展企业多了几家，可能与今年国务院出台的设备更新方案中提到要加快道路视频监控设备改造有关。

激光应用，有非接触式激光酒精检测仪以及激光透窗检测设备等。

大模型在交通领域仍在寻找落地场景， 展示的方案主要集中在基于视频分析的大模型应用上 ，以文搜图，是主要的应用场景，但也有企业展示了信控大模型、专家方案自动生成等。

比如骑行电动自行车不戴头盔，现场听到某单位说，曾经用某家企业的大模型对美团骑手不戴头盔进行识别，第一次识别结果只有30%正确率，将错误识别结果标注后，第二次识别正确率到了70%，再次标注后，识别正确率达到了90%，而将此训练结果用于饿了么骑手不戴头盔，识别正确率也接近90%。

华为交通大模型

实际上，这只是一个需求， 以文搜图的最高境界就是，任何一个明晰的语义指令，都可以得到类似的结果 ，比如识别标志标线损毁缺失、路面病害、电动自行车违法识别、非法营运车等，并能够在茫茫车海中快速找到嫌疑车辆，在治安方面尤其有用。

开云智联交通大模型

除此之外，在面向公众服务方面，车驾管以及交通安全宣教方面，基于语义识别的大模型应用是最早推出的，连甲方都说没什么技术含量。此外，此次 高德展位上展示了信控大模型，是唯一的一个信控大模型应用展示 。

高德信控大模型

最有难度的，可能还是在指挥中心的应用场景 ，如突发交通事件的应急调度指挥，为大型活动以及特勤交通生成专家方案，定期对某一个区域、几个重点路口自动生成道路交通运行评估和交通优化方案等。百度展位上展示了后者，据称基本上是自动生成，而这个可能是很多甲方单位需要的，这可以节省不少警力。

百度交通大模型

交通大模型的应用前提可能首先是交通数据治理，数据规范化，然后要有数据底座，有数据接入、交互的管理机制，然后有相应算力中心，再导入大模型工具，再支撑各业务系统。

百度的技术人员透露，其正在为交通大模型开发低代码应用搭建工具，也就是以后大部分建模需求，都不需要单独创建算法，直接调用低代码、组建，就能生成。 最高境界就是零代码应用，全自动生成 ，一个语音指令，系统自动识别，根据需求自动生成技战法、评估及预测报告、专家方案，还可以用虚拟数字人在指挥中心24小时值班。