人工智能应用于高速公路运维的几个关键问题探讨

　　摘要：针对人工智能引入公路运维的种种困惑和存在的问题，首先分析引入人工智能的必要性，指出源源不断的海量信息、科学决策、检查悖论、服务对象距离性4个痛点需要人工智能协助突破，然后讨论了人工智能应用于公路运维的3个局限性，包括成本效益、容错性以及公路运维的潜无穷性，随后给出3条应用原则，即谨慎、抓重点、帕累托改进，接着重点探讨养护决策的全寿命数据集，最后预测AI赋能下公路运维人与运维对象连接将更加紧密。

　　关键词：人工智能 公路运维 迫切性 非完备性 全寿命数据集

　　1 引言

　　交通部2022、2023年先后发布在役公路数字化试点、推进数字化转型智慧公路的文件以来，特别是伴随着2025年前后国产通用大模型登场，公路数字化转型迅速开展。这在中国公路学会养护与管理分会第15届学术年会的报告充分体现：有的开发基于AI的路面、桥梁检测、监测设备;有的在试点公路沿线布设视频+AI监测点位，大幅缩短应急响应时间、提升处置时效;有的开发基于AI的路面智慧养护平台，包括智能检测、智能评定、智能设计等模块，包括探地雷达图像的AI识别;有的将AI用于桥梁结构病害(钢桥面疲劳、斜拉索风雨激振)预判和诊断，包括横向多源数据交叉验证、纵向对比历史数据、融入结构力学知识，并建立桥隧运维智能体，由事后判别向事前主动管控转变;有的探索巡检、日常养护、养护工程、安全与应急的数字化以及数字化驱动科学决策。报告也指出存在的不足，包括标准不统一、信息资源不互通、AI应用不深入、科学决策和安全应急尚在起步等。以下结合AI相关国标，从三个方面探讨。

　　2 迫切性

　　公路运维存在一些痛点，对能级提升的影响大，传统方法难以解决。

　　2.1 海量信息流

　　公路运维的信息流有5个特点。①多源。包括结构、交通运行、路面、附属等养护对象的静态、动态信息，日常运行、日常养护、养护工程等作业类信息，巡视、经常检查、定检等检测类信息，事件、交通事故、灾害、风险、应急、投诉等事件类信息，等等。②快速。信息产生、发展速度往往很快，即时效性。③量大。例如结构自动监测数据和交通流数据。④隐蔽。受布设密度、采集频率影响，一些重要的过程信息可能缺失。⑤价值。作为重要的基础设施，公路的信息关系到安全和民生。用传统路径很难及时、综合处理源源不断的海量信息。

　　2.2决策科学性

　　养护决策要以全寿命周期效益最优为目标，以科学分析方法，确定养护时机、位置和对策并制定规划和计划【1】。也就是按照客观规律确定某个位置在未来某个时间要采取什么措施，其前提是准确预测任意位置在一定时期内的养护需求，关键是预测技术状况变化，而技术状况变化是多因素综合影响的结果。预测的痛点在于既要掌握主要因素，更要了解技术状况变化过程，用传统方法收集各种影响因素，分析全部历史数据是很困难的，因此准确度受限。

　　2.3 检查悖论

　　公路运维作为公益性行业，缺少竞争退出压力，管理往往不能稳定保持高水平，传统主要以检查促水平，但这属于不完全信息动态博弈中的信号传递博弈【2】，由于检查系统的不完备性，具体表现为无法完全规避主观评价偏差、依赖抽样抽查和有限指标，被检查方的长期最优策略必然收敛于混同均衡——即各方均采取“围绕迎检”的表面达标策略，导致检查本身与“真实提升工作水平”的目标相悖。

　　2.4服务对象距离性

　　公路运维主体与服务对象之间不存在直接的市场交易关系。司乘人员选择某条公路，主要取决于起终点与路线的地理位置、通行时效等因素，而非运维主体提供的路况质量或服务水平，细微需求传递不到运维主体，直至以投诉方式反馈。运维主体缺乏通过提升服务质量来直接驱动流量、增加收益的市场激励，难以将优质服务转化为财务回报，公路资产化无从实现。

　　3 非完备性

　　但是公路运维的固有特点，使得AI不可能完全不依赖人。

　　3.1 成本效益不匹配

　　数据是AI的原材料，数据质量决定了AI分析的可靠性，由于前文提到的公路运维信息流5个特点，就需要大量传感器，即数据采集系统将非常庞大，维护成本与系统体量成正比，但实际的公路运维需求往往并不大，即造成AI闲置现象，使得成本远大于AI产生的效益。

　　3.2容错性低

　　公路运维对出错容忍度低。最新国标规定了大模型服务能力成熟度等级划分及评估方法【3】、大模型能力测试及评估标准【4】。AI智能体开发人员的能力评价标准将开发人员能力分4个等级【5】。国标从个人和群体、组织与行业、经济社会三方面评估生成式人工智能的社会影响，具体包括心理、价值观、政治【6】等。这些情况说明AI还远非预期那样完美，存在出差错的风险，如忽视这种风险，对交通运行安全、结构安全带来难以预知的影响。

　　3.3 实无穷与潜无穷

　　有两种无穷观，潜无穷和实无穷，差别在于，潜无穷是动态、潜在、永远进行时的，实无穷是静态、实在、肯定完成时的【7】。公路运维的对象——设施(例如桥梁、路面、机电)和交通(司乘人员)属于自然系统和社会系统，设施的衰减、设施的更新换代以及人不断丰富的需求都具有面向未来的未知性，说明公路运维对象具有潜无穷的特征。AI的对象是文本、视频、图像、音频等【8】，这些只是自然系统和社会系统中数据化了的一部分，而且数据标注是生成式人工智能的关键活动，直接决定了训练数据及生成内容的质量【9】，而数据标注就是定义，说明AI接收、生成对象的实无穷特征。实无穷无法代替潜无穷。

　　4 关于实施

　　AI引入公路运维要兼顾迫切需求及AI在公路运维中的不完备性。

　　4.1 基本原则

　　4.1.1谨慎

　　如果准备不足就急于引入AI，不仅会造成低性价比，还会因AI的出错导致公路运维受损，而且AI更新迭代很快，性能更优的AI会使刚刚投运的AI已在市场上淘汰。因此必须严肃执行决策程序，鼓励多角度提出意见。采取迭代改进策略，在投运后应每月、每年进行使用效果评估，作为下一步扩大、缩减或变更的依据。并且应融合既有数字化平台，避免层层叠加现象。

　　4.1.2 抓住重点

　　应守住重点，解决痛点。在整体架构上，应采用符合交通部、行业标准的智能体(Agent)，由运维Agent按照保密要求读取原属于“孤岛”的数据资源，运维Agent与司乘人员信息交互，省级、交通部Agent自动读取各公路运维相关数据，自动评估，这样同步实现了运维主体与服务对象的连接、通过信息服务实现公路资产化、网上实时检查并反馈评估结果、解决数据孤岛问题。

　　在重点功能上，一般从这三方面考虑：预测交通拥堵、事故(包括灾害天气)，提前通过情报板、无人机、信号灯等进行干预;预测地质灾害、结构隐患、机电隐患，发出预警;调用多源历史数据，执行养护决策分析。

　　4.1.3 帕累托改进

　　公路运维具有高度复杂性和非结构化特征，其关键环节离不开人的决策与处置。因此，引入AI不应以降低工作人员福祉为代价，应追求一种人机协同的帕累托改进——即将AI增效和收益用于帮助提升工作人员的效能和权益，最终实现运维体系效益的帕累托最优【9】。

　　4.2 养护决策与全寿命数据集

　　全寿命周期效益养护决策的关键是准确判断设施处于全寿命变化的具体阶段，利用物理规律预判在现实中还有很长距离，这就要求建立设施全寿命数据集用以训练专业AI。对于机电、路面这种短周期设施是容易做到的，但是实桥全寿命周期的资料很少，现有不少因洪水、超载(独柱墩)、地震、船撞等突然破坏的案例，但不足以据检测报告判断所处全寿命阶段。那么，是否可以利用所有桥梁设计资料构建多工况仿真模型，通过模拟计算生成大量“全寿命破坏”样本;结合部分桥梁、构件的缩尺模型的物理加速老化-加载破坏试验，同步读取桥梁响应和病害数据，验证仿真结果的物理可靠性，直至结构破坏。由此建立桥梁全寿命数据集。

　　4.3 AI赋能下的公路运维人

　　赋予定义的信息、多模态数据都属于AI的工作对象，推出的方案需由各岗位的人取舍，足见对人的要求大幅提升。重要的是，运维人与运维对象的连接将更为紧密，例如要了解司乘人员驾驶行为(如疲劳驾驶、急刹车、故障停车)、通行体验、时间成本、安全感等等，要成为“最懂”桥梁结构的人。

　　5 结语

　　公路运维确实需要AI，因为一些瓶颈只有通过AI解决，包括全寿命周期养护决策难题。另一方面，AI在公路运维中必须和人紧密协作。

　　【参考文献】

　　1 公路养护决策技术规范(JTG/T 5310-2026)

　　2 博弈论 马洪宽 同济大学出版社 2015年7月

　　3 人工智能大模型第3部分:服务能力成熟度评估(GB/T45288.3—2025)

　　4 人工智能大模型第2部分:评测指标与方法(GB/T45288.2—2025)

　　5 AI智能体应用开发工程师能力评价标准(T/SIA 057-2026)

　　6 生成式人工智能技术应用社会影响评估指南(GB/T46800—2026)

　　7 数学无穷与中介的逻辑基础 朱梧槚 科学出版社 2012年6月

　　8 人工智能大模型第1部分:通用要求(GB/T45288.1—2025)

　　9 网络安全技术生成式人工智能数据标注安全规范(GB/T45674—2025)

　　10 西方经济学(微观部分) 高鸿业 吴易峰 刘凤良 经济科学出版社 2000年12月

　　作者信息：殷峰，男，硕研，1973年9月出生，正高级工程师，工作单位是上海城投高速公路运营管理中心，地址：上海崇明区长兴岛潘圆公路1500号