本文从工业互联网的典型应用—车联网谈起，从工业网联技术发展过程的视角分析了工业智联网的构架、关键技术和前沿趋势，对智联网视域下的未来智联交通作出了展望。

本文整理自中国工程院院士、北京理工大学校长张军院士在2019国家智能产业峰会所做的报告

随着智能技术的发展，从工业互联网发展到工业智联网是必然趋势。工业智联网是新一代人工智能技术、知识工程技术与制造业深度融合的产物，是未来工业的核心基础设施和新型经济形态的支撑科技。

本文从工业互联网的典型应用—车联网谈起，从工业网联技术发展过程的视角分析了工业智联网的构架、关键技术和前沿趋势，对智联网视域下的未来智联交通作出了展望。

谈谈车联网

首先谈一下车联网的概念，简单来讲就是车辆＋无线通信设备之后可以实现车－X、车－互联网的无线通讯和信息交换，使得信息网络平台提取车辆实时静、动态数据，最终可实现车辆智能化控制。

因此车联网的发展的最终方向为智能网联汽车和车路协同。

智能网联汽车需要有感知、信息交互和服务的能力。

感知能力又包含内部感知和外部感知两方面。内部感知为车辆内部装有传感器，感知车辆运行状态参数，驾驶人状态测量；外部感知为通过雷达、摄像头、GPS等传感器获取周围道路环境信息。

信息交换的能力包含与互联网相连，实现智能化车辆控制与智能化交通控制的车网互联能力和与他车互联，实现碰撞预警、自动避障、车距保持、路况分享等的车车互联两方面的能力。

智能网联汽车服务的能力体现在车路互联的能力，即可以实现与路侧设备相连，实现运输管理、车速引导、信号控制、施工区提醒等。

车路协同要实现的是车车、车路间智能协同与配合，充分利用交通系统的时空资源，以降低事故、节约能耗。根据美国Safety Pilot项目研究成果显示车路协同可降低事故率44％；《美国NHTSA研究报告》提到车路协同技术可实现节约能耗39％。

车路协同架构

现有交通方式的弊病是人适应系统，现急需“人适应系统”向“系统适应人”转变。

例如从北京到青岛，要坐航班，坐几点的航班？到这边来几点钟上车？我们都是适应交通系统。我们设想如果什么时候是交通系统适应人，这才是真正的人工智能，人工智能跟交通紧密结合。

人适应系统就会面临很多问题，这里举一个例子从北京到上海也不容易，现在想想到上海开会需要提前订票，然后到达地铁站，在地铁需要安检，以后到浦东机场，然后下来以后还要看看有没有人接，没有人接，就骑共享单车到会场，整个这个过程需要提前购票、早到等待、晚到改签、多次安检、等行李、等出租、堵车等一系列需要人去适应交通系统的过程。

我们设想，什么时候能够系统适应人？那什么叫系统适应人呢？简单来说就是每个人出行时都可以得到一份一体化的交通出行定制方案。

这里举个例子，比如从北京到青岛会议中心去，我买一张票，打包的交通方案就已经生成，比如方案一是时间最短、方案二为花费最低，选择一种方案之后可一票出行，在出行过程中，可一站安检，全程通行，然后有实时的航班或高铁，到站即可出发，避免等待，行李也由专车运送，到青岛当地以后，共享出租就根据系统已经检测到行李所在车辆以及一起去青岛会议中心的朋友，接上后直接送达终点，根据车路协同系统也不会有堵车的情况。

每个人都享受到的是定制化服务或者多样化的个性化服务，这才是我们认为的“交通出行系统适应人”，这里讲的人工智能跟交通车联网是这个意义的车联网，根本不是传统上的人适应交通系统，是这样一种颠覆性的我们对交通的认识。

未来交通新技术

上面讲的系统适应人能不能做到？目前看有可能，为什么有可能？因为有N （信息网Network）、B（大数据Big data）、A（人工智能AI）。即将新一代信息技术与综合交通的深度融合。

具体来讲就是是网联化、自主化的智能载运工具，协同化、智能化的智能基础设施，知识化、个性化的智能运行服务相结合。这样才能驱动我们进入智联交通社会

天地空网络

首先第一要采集，所有信息都得感知，需要实现有天空地网络一体化，为采集所有信息奠定很好的网络条件。

网联化系统结构：数据采集／运行决策更快、更全、更准

大数据

可以利用大数据洞察、理解、预测复杂的交通系统里的演化规律，利用这个演化规律知道哪里堵哪里不堵，然后实现检测。

因此要做好大数据基础设施的全面建设。包括能够实现计算EB级数据中心、PB级网络应用、百亿级记录额超大规模数据量的服务器；可实现空管指令、客票信息、监控影像等功能的高低并存数据价值的数据分析及显示系统；以及能够实现跨域系统汇聚互联，包括政府资源开放、网络资源汇聚、系统互联；

做好了基础建设才可以实现包括能源消耗、公共卫生、大气污染等多维度更全面；数据呈现更直观；数据更准确；以及细节更深入的智能交通系统。

定制服务

“三层四片”架构

实现交通的定制服务，可采用“三层四片”的理论架构体系。

首先说“三层”。

第一层即上图中最底下这一层，实际上把泛在网络、各种与交通有关的信息进行采集，把信号变成信息。

第二层利用智能边缘计算，因为以后的汽车，都可以实现工业化跟信息化两化融合，而其中最大的赋能技术是5G，5G＋新能源汽车，就可以质变到工业物联网，在这样一个大网络里面都可以放一个超级计算，汽车终端的计算就属于边缘计算。有了智能边缘计算以后就可以实现由信息到知识，而且是可信的知识。

到了第三层我们真的能够实现智慧的决策和服务，就是完全多样化。

因此，简单总结来看，第一层是泛化的感知，第二层是边缘的网络化计算，第三层是无所不在的智慧服务。

支撑这三大层需要什么技术呢？这就要讲到“四片”。

首先是能够自组织，这种分布式的阶层要要能自己组织起来，另外要可信和安全，还要能够自然交互，最后能给达到群智和优化。

实现“三层四片”以后，我们交通就会产生革命性的影响，最终实现时间分配准——分钟级、空间分配精——米级、服务分配优——个人级。

比如我们转乘交通工具先我们转乘的交通工具都是按小时计，以后都是分钟计；我们的转乘转地铁都是几百米，坐共享单车、打的也得几十米，以后到米级；以后我们享受的服务不再是一个航班几百人，而是每个人都可以享受定制化的服务。

这里详细讲解一下定制化服务的这三大特性。

定制化服务特性之——准

柔性计划、多元融合

怎么做到“准”呢？如果有了柔性计划、多元融合，我们采用大区域的气象、交通状态信息也可以实时获取以后，通过大数据系统的计算，我们就可以进行多元计划的融合，我们出行计划就可以进行动态分级调整。因此就可以实现陆海空天一体的时间的智能化分配。最终使得我们出行计划的分辨率就可以从天计／小时计到分钟计。这就是从时间上来说比较“准”。

定制化服务特性之——精

按需匹配、跨界使用

第二个定制服务要实现空间上的“精”，利用智能技术将铁路、公路、水运赋能，都让他们实现智能化或无人化，如无人汽车、无人货车、无人飞机等等，这些智能化或无人化的交通工具，可以进行协同智能、多式联运智能实现全程一体化精准匹配。最终打通最后一公里，从而实现出行行程空间分辨率由步行距离千米级到米级。

小尺度（气象、交通状态）感知 －＞ 知识图谱构建 －＞ 载运工具索引

定制化服务特性之——优

组合优化、人机交互实现个性化

第三个定制服务为“优”，这里把交通对象智能优化，实现线上线下个性化推荐，以及多样化交互，我们就有可能实现个性化定制的交通系统适应人的目标，在出行选择服务分辨率上实现由群体级向个人级的跨越。

从车联网到智联网

正如刚才所讲，人工智能跟车联网结合以后，颠覆了我们对交通的再认识，原来我们是人适应交通系统，现在我们可以交通系统适应人。交通系统适应人以后，我们的转乘时间到分钟级，步行距离到米级，我们的出行由群体到个性化，每个人都打得起飞的。这就是人工智能对车联网的影响。

能不能做到？能，从车联网到最后自主交通阶段即可实现。这里有一个视频演示比较直观的展示了未来交通智联网系统运行情况。