| 0 | 0 | 51 |
| Downloads | Citas | Reads |
At present， generative artificial intelligence （AI） represented by foundation models is driving a profound transformation in transportation cognition and governance paradigms. As the world's largest large-scale and complex transportation system， China's expressway network can no longer be effectively managed through traditional approaches that rely on localized perception and decentralized decision-making. Meanwhile， the development of transportation foundation models across different regions has shown a fragmented pattern in the absence of a unified top-level framework， posing the risk of creating new “intelligent islands.” This paper argues that China's transportation intelligence development urgently requires a paradigm shift from local intelligence to system intelligence. Based on this perspective， the study systematically elaborates on the strategic urgency， top-level architecture， and implementation pathways for building a nationally unified and coordinated AI foundation model system for transportation. In terms of system design， an integrated closed-loop paradigm of perception –cognition-decision-making-execution is proposed as the core framework， supported by a two-level organizational structure of national coordination and provincial implementation， and a layered capability ecosystem characterized by foundation models for cognition and lightweight models for execution. In terms of practical implementation， the paper further proposes three key pathways， that is， establishing institutional foundations through standards-first governance， driving value realization through scenariooriented applications， and fostering innovation through collaborative ecosystem development. This study aims to provide theoretical guidance for the modernization of China's transportation governance capacity and offer policy references for the implementation of the national strategy of building a transportation powerhouse.
［ 1］ DWIVEDI Y K， KSHETRI N， HUGHES L， et al.Opinion Paper：“So what if ChatGPT wrote it？” Multidisciplinary perspectives on opportunities， challenges and implications of generative conversational AI for research， practice and policy［J］. International Journal of Information Management，2023，71：102642.
［ 2］ BOMMASANI R， HUDSON D A， ADELI E， et al.On the opportunities and risks of foundation models［EB/OL］.（2021-08-16）［2026-06-20］. https：//arXiv.org/abs/2108.07258.
［ 3］ HASSAN M， KABIR M E， JUSOH M， et al. Large language models in transportation： a comprehensive bibliometric analysis of emerging trends， challenges， and future research［J］. IEEE Access，2025，13：132547-
132598.
［ 4］ ZHANG Z J， SUN Y J， WANG Z P， et al. Large language models for mobility analysis in transportation systems： a survey on forecasting tasks［J］. Transportation Research Record： Journal of the Transportation Re⁃
search Board，2026，2680（2）：756-774.
［ 5］ 中 共 中 央 国 务 院 . 交 通 强 国 建 设 纲 要［EB/OL］.（2019-09-19）［2026-06-01］. https：//www. gov. cn/zhengce/2019-09/19/content_5431432.htm.
［ 6］ 交通运输部，国家发展改革委，工业和信息化部，等 .关 于“ 人 工 智 能 + 交 通 运 输 ”的 实 施 意 见［EB/OL］.（2025-09-26）［2026-06-01］. https：//xxgk.mot.gov.cn/2020/jigou/kjs/202509/t20250925_4177256.html.
［ 7］ 交通运输部 . 2024 年交通运输行业发展统计公报［EB/OL］. （2025-06-12）［2026-06-01］. https：//xxgk. mot.gov.cn/2020/jigou/zhghs/202506/t20250610_4170228.html.
［ 8］ 陆化普，李瑞敏 . 城市智能交通系统的发展现状与趋势［J］. 工程研究-跨学科视野中的工程，2014，6（1）：6-19.
［ 9］ 陆化普，孙智源，屈闻聪 . 大数据及其在城市智能交通系 统 中 的 应 用 综 述［J］. 交 通 运 输 系 统 工 程 与 信 息 ，2015，15（5）：45-52.
［10］ LIU J L， YU W P， YANG M M， et al. Generative AI for transportation safety and resilience： a comprehensive review from a lifecycle perspective［J］. Safety Science，2026，196：107090.
［11］ 中 国 移 动 . AI+ 智 慧 城 市 安 全 解 决 方 案 白 皮 书［J］.（2024）［2026-06-01］. 中国信息安全，2024（10）：92.
［12］ NIE T， SUN J， MA W. Exploring the roles of large language models in reshaping transportation systems： a survey， framework， and roadmap［J］. Artificial Intelligence for Transportation，2025，1：100003.
［13］ 肖建力，邱雪，张扬，等 . 交通大模型综述［J］. 交通运输工程学报，2025，25（1）：8-28.
［14］ 陆 化 普 . 智 能 交 通 系 统 主 要 技 术 的 发 展［J］. 科 技 导报，2019，37（6）：27-35.
［15］ 杨晓光，胡仕星月，张梦雅 . 智能高速公路交通应用技术 发 展 综 述［J］. 中 国 公 路 学 报 ，2023，36（10）：142-164.
［16］ 中 共 中 央 国 务 院 . 国 家 综 合 立 体 交 通 网 规 划 纲 要［EB/OL］.（2021-02-24）［2026-06-01］. https：//www.gov.cn/zhengce/2021-02/24/content_5588654.htm.
［17］ LIU C X， YANG S， XU Q X， et al. Spatial-temporal large language model for traffic prediction［C］//Proceedings of 25th IEEE International Conference on Mobile Data Management （MDM）. IEEE，2024：31-40.
［18］ MAO Y C， ZHOU H L， CHEN L， et al. A survey on spatio-temporal prediction： from transformers to foundation models［J］. ACM Computing Surveys， 2026，58（4）：1-36.
［19］ JIN K， WI J， LEE E， et al. TrafficBERT： pre-trained model with large-scale data for long-range traffic flow forecasting ［J］. Expert Systems with Applications，2021，186：115738.
［20］ 李克强，戴一凡，李升波，等 . 智能网联汽车（ICV）技术 的 发 展 现 状 及 趋 势［J］. 汽 车 安 全 与 节 能 学 报 ，2017，8（1）：1-14.
［21］ YU B， YIN H T， ZHU Z X. Spatio-temporal graph convolutional networks： a deep learning framework for traffic forecastin［C］//Proceedings of the TwentySeventh International Joint Conference on Artificial Intelligence. International Joint Conferences on Artificial Intelligence Organization，2018：3634-3640.
［22］ WU Z H， PAN S R， LONG G D， et al. Graph WaveNet for deep spatial-temporal graph modeling
［C］//Proceedings of the Twenty-Eighth International Joint Conference on Artificial Intelligence. International Joint Conferences on Artificial Intelligence Organization，2019：1907-1913.
［23］ LIM B， ARıK S Ö， LOEFF N， et al. Temporal Fusion Transformers for interpretable multi-horizon time series forecasting［J］. International Journal of Forecasting，2021，37（4）：1748-1764.
［24］ ZHOU H Y， ZHANG S H， PENG J Q， et al. Informer： beyond efficient transformer for long sequence time-series forecasting［J］. Proceedings of the AAAI Conference on Artificial Intelligence，2021，35（12）：11106-11115.
［25］ 王江锋，舒玉东，李云飞，等 . 智慧公路数字化转型中AI 大 模 型 的 创 新 应 用［J］. 交 通 运 输 研 究 ，2025，11（4）：93-103.
Basic Information:
Citation Information:
[1]WENG Mengyong,RAN Bin,TAN Xianfeng ,et al.From localized intelligence to systemic intelligence: strategy and governance architecture for building a large‑scale AI traffic model system for China' s expressways[J].Modern Transportation and Metallurgical Materials,2026(04):1-8.
2026-05-20
2026
2026-07-15