段玉聪

摘  要：智慧交通作为典型的高维复杂系统，需要统一的标准体系支撑各层次（数据、信息、知识、智慧、意图）之间的协同与转化。本文运用网状DIKWP模型（数据-信息-知识-智慧-意图）深入分析了中国智慧交通领域的标准化现状与实践，系统梳理了自动驾驶、车路协同、交通信息服务、交通管理平台四个子系统在DIKWP各层的标准化建设情况，阐明了标准之间的转化机制与衔接路径。研究发现，当前标准体系存在跨部门数据融合困难、高层次标准缺失、体系协调融合不足、标准实施落地难及国际标准话语权弱等问题，针对性地提出了加强顶层规划、跨部门协同、高层次标准加速制定、标准实施验证提升、标准国际化与数字化转型、重点空白领域突破及标准持续迭代更新的发展建议。研究成果对加快完善我国智慧交通领域的标准体系，推动各子系统之间有效协同和智慧交通的高质量发展具有重要理论指导与实践参考意义。

关键词：智慧交通；DIKWP模型；标准化；自动驾驶；车路协同；

中图分类号：TP18   文献标志码：A    

智慧交通的复杂系统可用“数据-信息-知识-智慧-意图 (DIKWP)”模型来认知拆解。DIKWP模型由数据 (Data)、信息 (Information)、知识 (Knowledge)、智慧 (Wisdom) 和意图/意图 (Purpose) 五个层次组成，相较传统DIKW（金字塔）模型新增了“意图”维度，并强调各层次之间的网状交互和双向反馈[1]。这一网络化模型体现了智能系统从原始数据到决策行动的完整认知链条：数据经过处理变成信息，信息升华为知识，知识综合应用产生智慧，智慧在特定意图/目的引导下转化为实践绩效，同时高层的意图会反过来影响各层的数据收集和处理，从而形成闭环优化[2]。

从标准化视角看，DIKWP模型的每一层都对应智慧交通建设中不同类别的标准化需求：数据层关注原始数据获取与表示的标准，信息层关注数据处理与交换的标准，知识层涉及业务规则与模型的标准，智慧层涉及决策协同与优化的标准，意图/绩效层则对应评估指标与目标对齐的标准等[3]。通过标准化，可确保各层次要素格式统一、语义一致，并规范不同层级之间的衔接转换流程[4]，从而打通智慧交通系统从数据采集到智慧决策的链条。下面将结合中国智慧交通的四个关键子系统——自动驾驶、车路协同、交通信息服务、交通管理平台，逐一分析各自于DIKWP模型五类要素上的标准化工作实践。

自动驾驶需要采集大量环境感知数据作为基础，包括摄像头视频、激光雷达点云、毫米波雷达、GPS定位、车辆状态等原始数据。为保证不同车型和传感器的数据可用和可融合，标准化工作集中在数据格式和接口上。如制定传感器数据格式和标定标准、车辆运行数据记录标准、高精地图数据模型标准等。在国内实践中，工信部等发布了自动驾驶数据记录装置要求和高精度地图标准体系指南等，明确车辆传感器数据采集的统一格式和精度要求。例如《智能汽车基础地图标准体系建设指南（2023版）》明确了自动驾驶地图数据的分层结构和标准框架，以统一高精地图的数据表达。又如GB/T 43119-2023《自动驾驶封闭测试场地建设技术要求》规定了自动驾驶测试场景中环境感知与数据记录设施的建设标准[5]。这些数据层标准确保自动驾驶汽车获得可靠、一致的原始数据输入。

在信息层，关注将原始数据处理为有用信息，并在车内车外传递共享。标准化实践包括车辆内部总线和通信协议标准，以及车-云、车-车信息交互标准。例如，为规范自动驾驶系统从感知到决策各模块的数据接口，自动驾驶系统接口与通信协议成为标准化重点，同时车联网(V2X)通信协议也直接影响自动驾驶的信息交换[6]。中国已发布诸多车联网通信及消息标准，如基于LTE的车联网无线通信技术消息层技术要求 (T/ITS 0109-2019) 等。这些标准定义了车辆与路侧单元间的信息格式（如位置、速度、交通信号灯状态等消息），保证自动驾驶车辆能理解来自其他车辆或基础设施的协同信息。此外，在城市示范应用中，北京高级别自动驾驶示范区构建了车路云一体化标准体系，发布了智能网联标准路口建设要求、自动驾驶车辆功能测试方法等标准共61项，涵盖车路数据融合与信息交互。通过这些标准，自动驾驶车辆不仅有统一的车载信息格式，还能通过标准化的信息交互接口从云端获取道路环境的实时信息（如信号优先通行提示等），实现更安全高效的行驶。

知识层涉及将信息汇集成可用于自动驾驶决策的规则、模型和语义理解。对于自动驾驶而言，知识包括交通法规与行驶规则、驾驶策略模型、场景理解以及知识库等。标准化工作一方面体现在术语和概念体系上，例如《道路交通信息服务术语》（GB/T 29108-2021）等标准为自动驾驶领域建立统一的术语和定义。另一方面体现为场景模型和决策规则标准化。我国正在制定自动驾驶场景分类和安全要求方面的标准，如自动驾驶汽车驾驶功能场景分类、自动驾驶系统设计运行条件（ODC）规范等。这些标准尝试将人类驾驶知识形式化：例如规定高速公路跟车、城市道路避让行人等场景的分类以及每种场景下车辆应遵守的规则、性能边界等，从而形成行业共享的“驾驶知识库”。再如JT/T 883-2014《汽车驾驶自动化分级》（等同采用SAE标准[7]）明确了L0–L5各自动化级别的定义及相应能力范围，也是对驾驶知识的标准化描述。通过知识层标准，自动驾驶系统的“常识”得到统一，便于不同厂商系统遵循相同的交通准则和行为规范。

智慧层体现自动驾驶系统基于知识进行综合判断、优化决策并采取行动的能力。此层面的标准化主要是决策与控制相关的标准，以及系统协同优化的标准。例如车辆协同决策控制标准，使单车智能与群体智能相结合：在国内有团体标准T/CSAE 155-2022提出了高速公路自动驾驶车辆编队行驶技术要求，规范了多车编队的决策策略和通信协调机制。又如安全冗余与应急策略标准，规定自动驾驶车辆在遇到系统故障或复杂场景时如何安全退出（Minimum Risk Maneuver）的策略，这实际上将经验智慧上升为标准。在北京示范区的标准体系中，“协同管控”是重要组成部分，涵盖网联云控系统的决策与控制要求。此外，功能安全和预期功能安全（SOTIF）的标准（如ISO 26262道路车辆功能安全及其中国等效标准）也可视为智慧层面的标准实践，确保自动驾驶决策在硬件、软件层面都有安全智慧保障[8]。通过这些标准，自动驾驶汽车在关键决策环节做到行为可控、有据可依。例如标准规定遇到红灯必须安全停车（遵循交通法规知识）、当传感器失效时立即进入安全模式等都是“智慧”层面的要求，经由标准固定下来就成为行业一致遵循的决策准则。

在最高层，标准化工作关注自动驾驶系统实现预期目标和绩效的评估与保障。这包括测试评价标准和目标导向标准。中国已发布多项自动驾驶测试评价规范，如自动驾驶车辆道路测试管理规范（地方法规和标准）以及正在制定的自动驾驶开放道路测试安全风险评估技术规范（拟GB/T）。这些标准明确了评价自动驾驶车辆安全性能、交通效率影响等指标和方法。例如规定了每万公里干预次数、行驶可靠里程等绩效指标，用于衡量自动驾驶系统是否达到了预期的安全水平和运行效果。另一方面，目标导向的标准体现为对自动驾驶推广应用意图的一致性要求，如国家智能汽车创新战略要求到2025年新车50%具备智能驾驶功能，这实际上也反映在标准工作上，即制定分阶段的技术路线和验收标准。通过绩效层面的标准，管理部门和行业可以评估智能车辆在实际交通中的表现，确保技术应用符合降低事故、提升出行效率等智慧交通的宏观目标。同时，这些反馈又可反哺数据层和信息层标准的改进，如根据测试中发现的新危险场景，完善传感器数据要求等，形成标准的迭代更新。

车路协同（亦称V2X或车联网)系统中，数据层包括道路基础设施采集的各种数据和车辆自身发布的原始数据。为支持车与路的信息交换，必须先标准化这些数据源[9]。例如，道路侧感知设备（摄像头、雷达、气象传感器等）采集的交通流量数据、事件数据，其格式和接口需要统一，以便上传到云控平台或交通管理中心。交通运输行业和公安行业分别制定了路侧感知数据规范和事件检测数据格式标准，使不同厂商的设备采集到的数据可以无缝汇聚。在车辆端，OBU车载单元产生的位置、速度、状态等数据也有统一的数据元素定义，例如《车辆通信接口规范》中规定了车辆基本状态数据单元格式。此外，为保障数据层互通，我国推进车联网数据交换中台建设，相应制定《车路协同信息交互接口规范》等标准，定义了车联网平台、道路系统、车载终端之间的数据接口协议。通过这些数据层标准，车路协同系统可从海量异构设备获取标准化的数据输入，为后续的信息处理打下基础。

信息层是车路协同的核心，即规范车辆和基础设施之间通信消息的格式和流程，使原始数据转化为有用的交通信息进行实时共享。在中国，已建立起较完善的V2X信息交互标准体系。例如，针对通信内容，发布了C-V2X消息集标准，如《基于LTE的车联网直接通信的消息集及格式》（YD/T 3393-2018）等，规定了车辆和路侧单位之间交换的基本安全消息、道路交通提示信息等数据包格式。在应用层，车路协同系统应用层数据标准 (T/CITSA 09—2021)对车速引导、协同换道、信号优先等应用场景所需的信息格式进行了统一定义。公安部亦发布《道路交通车路协同信息服务通用技术要求》GA/T 2151—2024，规范了中心交通管控平台、路侧设备和车载单元之间的信息交互内容和频率，可视为车路协同信息服务的“通用语言”。这些标准确保了不同厂家车辆和不同城市道路基础设施之间可以“用相同语言对话”，例如所有车辆都能识别路侧发送的道路限速信息或信号灯时长信息，从而实现协同感知与协同决策。信息层标准还涵盖通信协议性能要求（如时延、可靠性指标）以保证关键信息及时送达。通过信息层标准化，车路协同系统才能实现“即时互联”——例如在北京亦庄示范区中，每周有数万次红绿灯信号优先信息通过标准接口推送给自动驾驶车队，车辆接收到标准定义的信号信息后及时调整速度，减少了停车等待。

车路协同的知识层涉及将分散的信息汇聚形成交通领域的知识，用于更高层决策。这里的知识包括交通管理策略、协同控制算法以及交通领域的语义模型等。标准化工作一方面体现在协同决策算法的通用要求上。例如为了实现车辆与基础设施协同控制，需要知识层标准来规定各种协同场景的规则：如“绿波带”信号协协调优化规则、多车协同编队的行为准则等。交通运输行业标准JT/T 1460-2023《基于车路协同的营运车辆编队行驶技术规范》就是一例，规定了货运车辆编队行驶的技术要求和编队策略标准。另一方面，知识层也包括交通领域知识模型标准，如道路网络拓扑模型、交通事件Ontology、本体等。目前国内已在研究交通知识图谱和车联网知识模型的标准，将交通元素及其关系进行语义定义，使不同系统共享对交通状况的理解。例如《道路交通事件分类与编码》（GB/T 29100-2012）和《交通状况描述规范》（GB/T 29107-2012）可以视为对交通事件和状态的知识表达标准。这些标准统一了知识层面的要素，使车路协同系统在全国范围内对“交通拥堵”、“事故”等有一致的定义和分类，从而为跨区域的协同控制奠定基础。简言之，知识层标准化就是把经验上升为规则，把分散经验固化为全局知识：例如总结大量车辆轨迹数据，形成标准化的拥堵判定指标阈值，再应用到智慧交通系统中。

在智慧层，车路协同系统体现为更高层次的整体优化和决策能力，即道路基础设施与车辆共同形成一个“群智”交通系统。标准化工作在此侧重于系统级协同与优化。一方面，交通控制协同标准：如多个路口信号联动、自适应控制，需要统一的评价和配置标准。我国已有智能信号控制系统系列标准，以及公安部GA标准规范信号控制与指挥平台通信。比如GA/T 1049.2—2024《公安交通集成指挥平台通信协议 第2部分：交通信号控制系统》定义了指挥平台与信号机之间控制指令和状态信息的交互格式，实现信号控制与调度指挥的一体化，这就是跨设备的智慧协同标准。另一方面，云控平台标准：车路协同常依托云端决策系统统一协调车辆和道路资源。为此，标准《协同大数据平台总体技术要求》等提出了云控平台需要具备的数据处理、算法服务和指令下发等功能要求，以规范智慧中枢。在2020年发布的《国家车联网产业标准体系建设指南（智能交通相关）》中，就将云控平台列为管理平台类标准的核心内容。通过这些标准，车路协同进入智慧运作阶段：例如统一的云控平台标准确保不同地区的车路协同云平台都具备事件检测、路径优化、信号优先等智慧功能，并能与车辆实时联动，从全局角度优化交通流。实践案例如广州等地试点的车路协同云控系统，按照标准接口接入路侧感知和车辆数据，云端算法统一调度，成功实现了区域通行效率提升和事故减少的智慧交通管理效果。标准在其中起到了将复杂智慧行为固化、可复制的作用。

车路协同的最终目的在于提升交通安全和效率，因此需要评估其效果并确保系统目标达成。绩效层标准化首先体现为评价指标体系。例如评价车路协同系统，一般关注事故率、通行延误降低率、车均排队长度等指标。浙江等地发布了如《高速公路经营管理对标评价导则》之类的团体标准，构建了涵盖安全、效率、服务质量的指标体系，用于衡量智慧公路运营绩效。这类指标体系也适用于衡量车路协同应用效果，可作为绩效层标准框架的一部分。另外，测试验证标准也是绩效层关键。工信部、交通部等在国家智能汽车创新发展战略中要求开展车联网和车路协同的测试示范，因此制定了一系列测试验证标准，如车路协同功能测试场景集、协同系统性能评估方法等，用于判定车路协同系统在达到预期目标（例如减事故、降拥堵）方面的表现。在首批智慧交通标准化试点项目中，就明确以成套标准验证来检验技术对降本提效的实际绩效。通过这些标准，行业可以客观量化车路协同的“智慧”贡献，并针对不达标的方面迭代改进。此外，绩效层还包括目标对齐标准，例如确保协同系统遵循交通管理部门设定的优先目标（安全第一、效率第二等）。这可通过标准形式明确，如优先级规则、应急时各目标的权衡原则等，保证协同决策过程符合管理意图。不仅如此，高层目标也指导低层数据采集与传输标准的调整，例如若目标是行人安全最大化，则需要标准要求车辆检测行人相关的数据更精细、更及时——此即意图层对数据层的反馈作用。综合而言，绩效层标准将抽象的管理目标细化为可操作、可评估的技术要求，闭环指导车路协同系统不断朝着智慧交通愿景演进。

交通信息服务主要面向公众和运营者提供路况、出行等信息，其数据层涵盖交通传感器采集数据、浮动车(Probe Car)数据、以及人工上报的交通事件等多源数据。标准化工作首先集中在数据采集与汇聚环节，包括统一各种来源数据的格式和质量要求。例如《道路交通信息采集 信息分类与编码》（GB/T 20133-2006）规定了路况数据的分类编码体系；《道路交通信息服务 浮动车数据编码》（GB/T 29105-2012）统一了浮动车定位及状态数据格式。这些基础标准保证来自出租车、网约车、导航APP等多渠道的浮动车数据可以采用一致的编码进入信息服务平台。此外，交通信息数据层标准还涉及数据元及数据字典的制定。比如建立交通数据元标准，为常用数据（道路ID、事件类型、时间戳等）赋予统一含义和取值规范，以实现不同系统间的数据语义互认。通过数据层标准化，交通信息服务平台能够汇聚全量交通数据而无歧义，为进一步的信息处理奠定基础。

在信息层，关注将原始数据转换为可直接服务于用户和管理者的交通信息，并通过标准化方式发布和交换。这方面中国很早就建立了一系列国家标准，形成了较完整的交通信息服务信息分类与发布标准族。例如：《道路交通信息服务 信息分类与编码》（GB/T 21394-2008）详细规定了交通信息（包括交通事件、施工、天气等）的分类及编码方法；《道路交通信息服务 交通事件分类与编码》（GB/T 29100-2012）进一步细化了事件类型编码；《道路交通信息服务 交通状况描述》（GB/T 29107-2012）则定义了路况拥堵程度的标准描述术语和分级方法。通过这些标准，全国范围内交通信息服务使用统一的格式描述交通状况。例如，无论是在北京还是上海，“中度拥堵”可能都对应相同的编码和定义范围，这使不同地区的信息可以直接对比或融合。另外，为规范信息发布渠道，各类发布媒介也有相应标准，如通过调频广播发布路况信息、通过可变情报板发布信息等均有国家标准规定格式和术语。这保障了公众接收到的信息在不同渠道上一致可靠。近年来，随着互联网和移动端兴起，行业又制定了实时交通信息服务数据结构标准（GB/T 29746-2013）来规范API接口的数据格式，使第三方服务获取交通信息也有统一标准接口。综合来看，信息层标准化使交通信息服务系统能够高效汇聚多源数据并生成标准化的信息产品，然后通过统一接口发布，使公众和相关部门能够“看懂”信息、安心使用。

交通信息服务的知识层体现为对大量交通信息进行分析提炼，形成可指导出行和管理的知识、模型和规律。标准化在这一层相对挑战更大，因为涉及经验和算法。但已有一些领域形成标准实践。例如交通预测模型：业内逐步形成对短时交通流预测、路径推荐算法性能的评价标准，尽管这些还多为指南性质。在标准层面，更明确的是业务知识规范。例如，为了将历史信息转化为知识，标准《交通信息服务 历史数据交换格式》（GB/T 29099-2012）定义了历史浮动车数据的存储格式，使得不同系统可以交换历史轨迹数据，用于挖掘出拥堵瓶颈、通勤规律等知识。另外，出行规则与策略也是知识层的一部分，比如客运线路信息标准（GB/T 29104-2012）规范了长途客运线路信息的描述，实质上反映了对于客运线路安排的一些业务知识定义，可供信息服务系统利用。随着人工智能应用于交通信息服务，行业也开始探索交通知识图谱标准，将交通基础设施、运行状态、用户需求等通过知识图谱关联起来，形成机器可理解的交通领域知识库。这方面标准化工作还在起步，但一些团体标准和研究项目已经开始，如中国人工智能学会在研的交通出行知识图谱构建指南等。有了知识层标准，交通信息服务系统才能实现从简单信息罗列向智能化建议的升级——例如基于标准化的历史数据分析模型，系统可以提示用户：“每天8点此路段拥堵30分钟”，帮助用户选择更优路线。换言之，知识层标准使系统具备“经验教训”，可为用户提供更智慧的出行方案。

智慧层代表交通信息服务系统根据掌握的知识为用户和管理者提供优化决策支持的能力。在公众出行服务方面，这体现为个性化、智能化的信息服务，比如动态路径推荐、多模式出行方案等；在管理决策方面，则体现为交通态势研判与调控建议。标准化工作主要在服务质量和决策支持两个方面展开。一是信息服务质量标准：为了确保智慧化服务达到预期效果，需要标准评价信息服务的及时性、准确性和用户满意度。例如交通信息服务有效性评价指标的研究被纳入标准计划，用于衡量一个智慧出行服务平台提供的建议路线相比于实际最优路线的偏差、信息推送的及时率等，确保“智慧”服务名副其实。二是决策支持标准：交通管理部门希望从信息服务系统获得宏观智慧支撑，如拥堵预测预警、信号优化建议等。为此，标准化需定义交通运行状态评价的方法和分级标准，如交通拥堵指数算法标准，在很多城市已作为行业规范使用，用于统一衡量城市拥堵程度。还有事件影响评估标准，规定了当发生事故或恶劣天气时，怎样评估其对路网的影响程度并建议应对措施。通过标准明确这些智慧决策支持的模型和方法，交通信息服务系统就能以标准接口向管理者提供决策参考。例如某标准可能规定：“若预测1小时后某高速拥堵指数>8 (严重拥堵)，则建议提前发布绕行信息并启动信号调优方案”，系统据此自动执行。这种标准实际上将专家经验变成了可复制的智慧决策流程。总之，智慧层标准化确保信息服务系统在关键时刻能够输出可信赖的决策建议，把信息转化为行动价值。

在交通信息服务领域，意图/绩效层关注的是信息服务是否实现了提升出行体验、优化交通运行的目标，以及如何评估改进。标准化表现在绩效评估和目标导向引导两个方面。首先，绩效评估标准：如前述，需要一系列指标来评估信息服务的效果。常见指标包括：公众获取信息的覆盖率、信息准确率、出行时间节省量、用户满意度调查得分等。许多智慧交通试点都会在总结报告中引用这些指标，对信息服务进行量化评估。部分地区和行业协会也制定了相应指南，如《智慧交通信息服务绩效评估规范（团体标准）》等，用于指导各城市衡量自身信息服务水平并发现改进空间。如果评估发现某方面效果不佳，比如实时路况准确率低于标准要求，就会推动对前端数据标准和算法模型的改进，形成标准升级的闭环。其次，目标导向标准：信息服务要与智慧交通的大目标一致，例如降低拥堵、绿色出行等。标准化可以通过指标体系来体现目标导向。例如在国家层面的智慧交通考核中，设定“公众出行信息服务满足率达到90%”这样的目标，并细化为标准条文，督促各地朝统一目标努力。这实际上将政策目标融入标准，使之具备导向作用。此外，对于新兴服务模式（如 MaaS 一体化出行即服务），相关标准也在研究制定，以便把政府倡导的“以人为本”理念转化为可操作要求，如MaaS平台需要整合公交、地铁、网约车等信息并至少提供两种个性化出行方案等条款。有了这些标准约束和引导，交通信息服务才能不断朝满足公众多样化出行需求、服务智慧交通宏观目标的方向演进。

交通管理平台是智慧交通的大脑，中枢需要汇集来自道路和车辆的海量数据。数据层标准化重点在于跨部门、多来源数据的打通和格式统一。交通管理涉及交警、运输、气象等多部门，多年来各系统数据标准不统一导致“数据烟囱”问题。为解决此，国家推行交通运输行业数据标准体系：如《交通运输信息资源数据元》和《交通管理信息分类与编码》等基础标准，将不同来源的数据进行统一编目和格式规范。例如对交通参与者分类、道路设施编码、事件类型都作出统一编号，这样交警事故系统的数据和运输部门路况数据在平台中可基于统一编码关联。公安部交通管理标准化委员会也制定了道路交通管理数据元素标准，把交管业务数据（违法记录、事故记录等）的字段和格式统一起来。通过这些基础数据标准，交通管理平台才能汇聚公安交管、交通运输、城市建设等多部门数据而无语义冲突。此外，数据层还包括实时采集接口标准，例如视频监控接入标准、信号机数据上传接口标准等。近期发布的行业标准《国家综合交通运输信息平台视频资源接入技术要求》（JT/T 1534—2024）就是为了统一不同厂商监控视频接入平台的协议格式。通过制定这些标准，全国交通管理平台逐步具备标准化的数据接入能力，不再因为接口不兼容而丢失任何一类重要数据。

在交通管理平台，信息层体现为数据处理与交换——将多源数据融合形成交通运行信息，并在各部门、各系统之间共享。标准化在此层的实践主要有两方面：一是信息融合格式标准。为将感知数据转变为全局交通信息，需统一表示方式。例如综合交通态势数据格式标准把道路网整体运行状态表示为标准化的信息集，包括各路段速度、流量、拥堵指数等字段，供平台内部不同模块使用。二是信息交换接口标准。交通管理平台往往需要和外部系统交互信息，如与公安交警指挥平台、与公众信息服务平台对接等。为此制定平台接口规范十分必要。例如《道路交通管理车路协同系统信息交互接口规范》作为国家标准项目，由公安部主导，规定了交通管理中心系统与车路协同环境的信息交互架构、功能和接口内容。该规范正是要解决交管平台如何通过标准接口获取车联网数据、以及将管控信息发送给车端的问题。这类标准有助于不同厂家的管理平台和外部车辆/路侧系统互联互通。另一个例子是公安交通集成指挥平台标准系列（GA标准），定义了交管平台与各种业务子系统（信号控制、视频分析等）的通信协议，确保信息指令在平台内外部按统一格式流转。通过信息层标准化，交通管理平台可以实现“一平台统管”：各类数据进来后转换成标准信息，各业务模块输出的指令和对外发布的信息也符合统一规范，实现平台内外的信息畅通共享。由此，交管部门能够基于平台及时掌握全局交通状况，并将指令精确下达到路面。

交通管理平台的大脑离不开交通领域知识和管理经验的支撑。知识层标准化体现在业务流程规范和管理策略标准上。首先，业务流程规范：将交通管理各项工作流程标准化，实质是把管理经验转为知识。比如交通事故处理流程规范、突发事件分级和响应标准等，把交管人员处理事故、应急事件的步骤和要求以标准形式固定下来，方便平台按这些知识执行。公安部已有《道路交通事故处理程序规定》等规范性文件，一些内容也转化为了信息系统功能规范。其次，管理策略标准：这涵盖信号控制策略、拥堵收费策略、车辆通行优先级策略等等。例如，为推广公交优先这一管理知识，全国许多城市采用了标准化的“公交信号优先”策略，在标准文件中规定了公交车检测、绿灯延长的具体算法逻辑，使信号机厂商在产品中内置该功能。再如区域联动控制策略标准，明确当区域拥堵指数达到一定值时，信号配时应如何协调。这些策略一旦写入标准，各地平台就可据此配置，从而将优秀的交通管理知识快速复制推广。值得一提的是，近年人工智能技术用于交通信号优化、事故预测等，专家经验和机器学习模型共同形成新知识。标准化机构正研究AI在交通管理中的应用指南，旨在规范AI模型训练所需数据、验证方法以及应用边界，使这类新知识安全可控地用于平台决策。总之，通过知识层标准化，交通管理平台内部的规则库、模型库变得健全统一。不论哪个厂商或地区，其平台在遇到类似场景时，都能依据标准规定的知识库做出一致的处理决定，这为实现全国范围内交通管理水平的均衡提升打下基础。

智慧层是交通管理平台发挥主动调控和优化能力的层面，也就是“智慧交通管理”的体现。标准化在智慧层聚焦于协同决策与优化。这包括跨系统的协同和全局优化策略。一个典型方面是多模式交通协同管理标准：智慧交通要求公路、公共交通、铁路、甚至航空等协同运作。例如制定标准规定在大客流情况下地铁与地面交通如何联动疏运，在高速封闭时城市道路如何分流等，使平台具备跨领域协同决策能力。再一方面是主动交通控制标准：如智能交通控制系统技术规范等，指导平台如何利用实时预测来主动调控，例如提前调整信号配时防止拥堵蔓延。这些标准赋予平台“未雨绸缪”的智慧。例如有研究提出基于DIKWP模型的交通智能决策框架，将知识（如交通模型）与意图（如畅通优先）结合，在平台上实现对潜在问题的提前干预。标准化机构由此开发相应规范，如交通状态智能研判与诱导标准，明确平台应具备拥堵预测算法，并标准化诱导策略输出（广播提示、导航系统推送等）的形式和阈值条件。通过这些智慧层标准，交通管理平台能够超越被动响应，实现主动优化。例如根据标准，当检测到某主干道流量骤增且预测10分钟后将超容量，平台可按规范提前发布绕行建议和调整相邻路口绿波带，这种协同优化行为就是智慧的体现，而标准确保了各地平台采取的一系列动作协调一致，不会各行其是。智慧层标准还注重系统安全与伦理，如在自动化决策时避免歧视和不公平对待，这方面在交通管理中主要体现为保障紧急车辆优先、特殊群体出行保障等策略标准，确保智慧决策符合社会价值。总的来说，智慧层标准让交通管理平台成为名副其实的“智慧大脑”，能够基于标准固化的最佳实践和AI技术，持续优化交通运行。

在交通管理平台，最终要看是否实现了政策目标，如减少事故、缓解拥堵、提升服务水平。绩效层标准化一方面通过指标和评估体系来检验目标达成度，另一方面通过战略标准引领未来发展方向。首先，指标评估标准：交通管理有成熟的交通运行指标体系，如事故率、平均车速、延误、公众满意度等。标准化机构编制了智慧交通评价体系，对这些指标的计算方法、采集频率、评价等级加以规范。例如设定城市交通健康指数的计算模型，并规定绿色、安全、畅通等不同等级的阈值，作为全国考核标准。交通运输部在2025年4月公布的智慧交通标准化试点工作中也强调“建立健全智慧交通标准体系、...提升标准实施应用”等目标。这些指标标准每年对各城市交通管理绩效进行评价排名，促使地方针对薄弱项改进。其次，战略导向标准：为了面向未来发展，标准化需要结合国家战略制定一些指导性标准/指南。例如《国家车联网产业标准体系建设指南（智能交通相关）》作为顶层指导文件，明确了标准体系建设要服务于提升交通运输智慧发展水平。再如各地智慧交通规划中的目标指标（如“交通事故死亡率五年内下降30%”）常上升为行业标准或部颁规范，以确保各系统开发和部署都围绕这些终极目标。不仅如此，标准数字化趋势也属于战略性标准：通过制定标准数字化参考架构，将传统文本标准转化为机器可读的数字资源，方便在智慧交通平台中自动执行。这种标准化创新将极大提高标准应用的实时性和覆盖面，使绩效层的目标约束真正融入平台日常运行。总体而言，意图/绩效层标准化确保智慧交通管理始终“不忘初心”——所有技术和标准的实施都要追求交通系统安全、高效、绿色的发展目标。当偏离目标时，通过标准评估发现并纠偏；当接近目标时，及时提出更高标准引领新的提升，形成不断循环改进的标准化推进机制。

DIKWP各层类型的标准既各有侧重，又需要有机衔接，实现从数据到智慧的渐进转化。下面以若干关键类型转换为例，说明这种标准转化及典型实例：

原始数据只有经过处理才能变为有意义的信息。在智慧交通中，这一转化依赖于数据格式对接和通信协议标准。例如，在交通信息服务领域，大量浮动车数据需汇集成道路信息（速度、拥堵状况）。这里首先要有数据层面的标准统一采集格式，然后通过信息层标准定义的信息结构进行融合。典型案例是浮动车数据标准与道路状况信息标准的衔接：GB/T 29105-2012规定了浮动车基础数据格式，“信息化”之后的产物则由GB/T 29107-2012定义（道路状况描述，如拥堵等级）。数据->信息的标准转化在车路协同中也很突出：路侧传感器采集到车辆坐标等数据，通过通信协议发送，车辆接收到就变成道路周边信息。这要求路侧设备遵循统一的数据采集标准，并将数据打包成符合V2X消息标准的信息格式，如BSM基本安全消息等。北京亦庄示范区实现红绿灯信息推送，就是将信号机数据按照标准封装成车辆可识别的信息。概言之，从Data到Information，标准化起到了“翻译”作用——把机器记录的原始数据翻译成系统和人都能读懂的信息内容。没有这一系列衔接标准，各类数据将无法整合为全局交通信息，智慧也无从谈起。

当掌握大量信息后，需要提炼普适的规律和模型上升为知识，以指导决策。这一过程往往由分类、模型等标准支撑。例如，海量的交通事件信息经过多年积累，可以总结为若干类别的模式——这正是标准《交通事件分类与编码》(GB/T 29100-2012)完成的工作。通过统一分类标准，不同地区、不同时期的信息被映射到同一“知识”框架，便于统计分析出共性规律。再如在自动驾驶中，各车辆产生的感知信息非常丰富，但要形成行业知识，需要有标准化的场景库和测试用例。中国汽车工程学会发布的T/CSAE 159-2022《自动驾驶测试场景库建设指南》，正是将大量道路信息转化为结构化知识（场景）的标准实践，明确了如何从路网、交通流信息中提炼典型驾驶场景及其要素。这种从信息到知识的转化标准，使得经验教训和模式能够积淀下来，供后续系统参考。此外，还有数据字典到知识图谱的升级：先有标准定义各信息字段含义，继而标准指导如何构建知识图谱将信息关联成网络知识。提到通过信息图到知识图的组织，实际上是信息->知识转化的形式化描述。在智慧交通领域，标准正在把专家经验（如事故多发点辨识方法）变成行业知识（如黑点判定标准），从而辅助各地发现安全隐患。这些都是信息升华为知识的标准化桥梁。

有了规则和模型等知识，还需应用于具体决策场景，成为智慧行为。标准化在此主要通过应用指南和协同标准实现。例如，自动驾驶领域有大量驾驶知识（交通规则、驾驶策略），但真正让车辆实现自主行驶的“智慧”，离不开将这些知识注入决策算法。2018年发布的ISO 39003《道路交通安全 基于道路车辆自动化的伦理建议》以及我国后续参考制定的相关指南，就是试图将安全驾驶知识和伦理原则融入自动驾驶决策，使车辆能在复杂情况下做出“明智”选择。这类标准相当于搭建从知识到智慧的桥梁，确保自动驾驶AI在作出动作前经过已知规则的校验。另一个例子是在交通管理中积累了信号配时优化知识，各城市通过标准推广自适应信号控制系统，把知识变成了落地的智慧调控。在这过程中，智慧交通信控系统技术要求等标准将理论模型细化为系统必须具备的功能和性能，从而使智慧决策不再停留在论文里，而是成为实际系统的标准功能。简而言之，知识->智慧的转化标准让系统“学以致用”。没有标准，知识可能因实现方式各异而难以发挥作用；有了标准，不同厂家和地区都能按统一方式将先进知识应用于实践，实现智慧功能的一致性和可控性。

当系统具备智慧行为后，还需保证这些行为符合预期意图，并带来实实在在的绩效提升。智慧->绩效的转化主要通过评估和反馈标准完成。一方面，制定评价标准检验智慧决策的效果是否达标，将定性目标量化。例如智慧高速系统实施了很多智慧调度功能，如何验证这些智慧举措是否降低了事故率？对此需要如前所述的评价指标标准。如果发现指标未改善，就说明智慧还不够“智慧”，需要调整策略。另一方面，将评价结果反馈回标准修订中，形成闭环。例如某智慧公交调度系统按照标准做出了优化排班（智慧行为），但乘客满意度没有提升，那么在绩效评估后，管理者可能修订知识层面的标准（如增加高峰运力投放规则）以改进智慧决策。这种通过标准的闭环反馈，确保智慧行为最终指向既定目的并不断矫正。另外，意图层的要求往往对智慧实现提出约束，使智慧行为不会偏离方向。比如城市希望绿色出行，那么智慧信号优化时不能一味提高汽车速度而忽视行人安全。因此在智慧决策标准中加入“行人等待时间不高于某阈值”等条款，就是把目的融入智慧行为标准，使两者一致。中提到DIKWP模型通过意图层嵌入实现价值对齐，道理即在此。典型实例是杭州城市大脑项目，智慧信号优化显著提升了车流效率，但随后标准调整更强调公共交通优先，以符合绿色出行的大目标——这是在标准引导下对智慧成果的再平衡。由此可见，智慧到绩效的转化标准既是检验器也是方向盘，保证智慧交通系统产生的实际绩效契合初衷。

总体来看，不同类型之间标准的转化贯穿智慧交通标准体系建设的始终。从Data到Purpose，每一步都有相应标准衔接，使得原始数据最终能转化为有价值的行动；反之，从意图/绩效出发又指导前层标准完善，形成循环。正因如此，中国在构建智慧交通标准体系时非常强调各层次标准的协调配套，如交通运输部在标准指南中要求制定数据、平台、服务、管理各层标准并注重衔接。这一综合体系确保了智慧交通从感知到行动的各环节无缝对接，为技术落地提供了稳定框架。

尽管我国智慧交通标准化取得长足进展，但仍存在一些空白和挑战，需要引起重视：

智慧交通涉及交通、公安、气象、城市管理等多个部门，长期各自为政的数据系统造成“数据孤岛”现象普遍。虽然已有数据交换和接口标准，但在实际执行中，不同部门之间数据标准不一致、接口对接困难的问题依然存在[11]。这导致在构建综合交通管理平台时，难以及时获取全面的数据支撑。要打通数据壁垒，除了技术还需标准先行，制定跨部门的数据共享标准和机制。目前这方面标准仍不健全。

相较数据、信息等基础层标准，关于知识、智慧层面的标准明显不足。很多智慧交通核心算法和策略还停留在企业或学术实践，缺乏标准提炼[12]。例如AI辅助信号优化、路径智能引导等，大多没有国家或行业标准作为指导，属于标准空白领域。智慧交通作为新兴领域，标准往往滞后于技术，这使得不同城市、厂商在高层应用上各自为战，难以互联互通或经验复用。还有一些领域如交通监控设计在智慧交通背景下出现新需求，也缺乏标准支撑。这要求标准化工作加速跟进新技术演进，填补智慧决策和系统设计方面的标准空白。

智慧交通跨越汽车、道路、通信、电子等多个行业，每个行业都有各自的标准体系和主管部门。例如汽车领域有智能网联汽车标准，交通领域有智能运输系统标准，通信领域有5G/V2X标准，公安有交通管控标准等。当前这些标准体系之间统筹协调不足，存在重复或不一致之处[13]。比如车路协同中，同一消息在汽车标准和交通标准中的定义可能不同，需要协调统一。再如高精地图标准涉及测绘和汽车两个系统，也需融合。目前虽有国家层面的标准体系指南做顶层设计，但具体协调仍具挑战，可能导致标准执行中的兼容性问题。

有些标准发布后在实际落地过程中遇到困难。一是标准适用性问题，新技术快速迭代，标准可能滞后或过于原则，企业觉得遵循成本高或不切实际，从而不愿采用标准，导致标准形同虚设。二是标准强制力问题，多数智慧交通标准为推荐性，地方和企业执行动力不足。比如一些数据格式标准，各厂商仍用自有格式，造成数据对接困难。如何提高标准的实用性和采标积极性，是当前一大挑战。

智慧交通具有全球性，各国纷纷布局标准。我国虽制定许多本国标准，但国际标准话语权仍需提升。如果国内标准与国际不接轨，未来产品“走出去”会遇阻。如自动驾驶的认证标准目前全球空白，中国企业出海面临无国际认证可依的困境。这既是挑战也是机遇：中国如何在国际标准舞台上推动本国智慧交通标准成为国际标准，或者提高互认程度，需要战略考量。目前在ISO、IEC等平台，我国参与度有待加强，国内标准体系也需与国际对标分析，避免闭门造车。

综上，当前智慧交通标准体系还处于完善过程中，高层标准缺失、跨行业融合困难、标准执行和国际对接等方面的问题亟待解决。这些挑战也是下一阶段标准化工作的重点攻坚方向。只有补足短板、克服挑战，才能发挥标准在智慧交通发展中的引领和支撑作用。

面向未来，为加快建设完善、先进的智慧交通标准体系，推动中国智慧交通高质量发展，提出以下建议：

继续完善国家智慧交通标准体系架构，在顶层设计上统筹各行业标准资源，明确分层分类标准清单和路线图。针对当前空白领域，加快标准研制。例如，在智慧决策算法、交通知识图谱、车路协同云控等新兴方面，组织力量预研标准框架。同时，定期更新标准体系，纳入最新技术成果，保持体系的前瞻性和完备性。

建立交通运输、公安交管、工业和信息化等多部门联合的标准协调机制。定期梳理交叉领域标准，消除重复和矛盾之处，实现标准“统一口径”。例如，在车路协同、自动驾驶方面，加强汽车标准与道路标准、通信标准之间的一致性校验，形成统一的数据格式和通信协议。可以考虑设立智慧交通标准联席会议制度，统筹各技术委员会的相关工作。通过协同，打造全国一盘棋的智慧交通标准生态。

针对知识层和智慧层标准薄弱的问题，鼓励产学研联合攻关，总结提炼最佳实践为标准。例如，将近年各地城市大脑、信号AI优化的成功经验，通过标准形式固化推广；对自动驾驶测试和运营中的安全经验，制定行为准则和伦理指南标准。鼓励在团体标准层面先行探索，以较快速度出台一些指导性标准，然后再上升为行业或国家标准。特别关注人工智能治理在交通领域的标准，确保智慧交通系统的决策透明、安全、可信。

标准的生命在于应用。建议在智慧交通试点城市进一步开展标准验证试验，将标准融入实际项目进行检验完善。比如在车路协同试点中，对照标准体系逐项实现，再根据反馈调整标准内容。建立标准符合性测试平台，提高企业执行标准的积极性。同时，对关键标准建议由政府或行业发文要求采用，在招标、项目验收中将标准符合性作为指标，提高标准执行率。通过试点示范和评估考核，推动标准真正落地生效。

一方面，积极参与国际智慧交通标准制定。组织国内专家参与ISO/TC204（智能交通）、ISO/TC22/SC33（智能驾驶）等工作组，提出中国方案。在V2X通信、车辆智能管理等领域争取主导制定国际标准或提案，使中国标准与国际接轨并输出我国经验。另一方面，推进标准数字化转型。利用人工智能和信息技术，将现有智慧交通标准转化为数字资源和软件模块，便于企业直接调用执行。这将大大缩短标准应用周期，也方便标准的版本升级管理。例如建立标准知识库和数字接口，使交通平台系统可以自动获取最新标准参数，实现“一键对标”。

针对当前突出的标准空白领域，集中攻关、尽快填补。例如车路协同安全和数据安全标准，随着车联网安全事件风险上升，需要完善通信安全、防护等级等标准，保护系统免受网络攻击。提到示范区在数据分类分级和加密传输等方面的探索，这应上升为国家标准推广。再如无人驾驶车辆认证标准，面对全球空白，中国可率先研究制定符合国情又参考国际经验的认证体系，为自动驾驶商业化扫清障碍，同时引领国际方向。通过聚焦关键问题制定标准，突破制约智慧交通发展的瓶颈。

智慧交通技术演进迅速，标准也需动态更新。建议建立标准迭代更新机制，对发布后的标准定期评估，根据技术进步和实施反馈及时修订。例如针对高级别自动驾驶，每年跟踪测试新情况，在标准中补充新的场景和要求。运用“标准+软件”模式，通过软件升级来同步新标准，实现标准更新的敏捷性。保持标准的先进性和适用性，避免标准滞后于产业发展。

总之，未来中国智慧交通标准化应在“统筹规划、协同推进、重点突破、开放创新”的原则下展开。一方面夯实基础，完善标准体系架构，另一方面紧跟技术前沿，加快关键标准研制和应用。通过政府引导、产学研合作和国际对标，不断提升我国智慧交通标准的质量和影响力。在不久的将来，一个完善的标准体系将支撑起全国智慧交通建设，使各子系统高效协同，真正实现数据驱动、知识赋能、智慧引领的交通强国目标。标准化也将成为中国智慧交通走向世界的重要名片和保障。

[1] Liu Y, Wang W, Wang W, et al. Purpose-driven evaluation of operation and maintenance efficiency and safety based on DIKWP[J]. Sustainability, 2023, 15(17): 13083.

[2] Duan Y. Bridging the gap between purpose-driven frameworks and artificial general intelligence[J]. Applied Sciences, 2023, 13(19): 10747.

[3] Wu K, Duan Y. Modeling and Resolving Uncertainty in DIKWP Model[J]. Applied Sciences, 2024, 14(11): 4776.

[4] Mei Y, Duan Y. The DIKWP (Data, Information, Knowledge, Wisdom, Purpose) Revolution: A New Horizon in Medical Dispute Resolution[J]. Applied Sciences, 2024, 14(10): 3994.

[5] Shakeri A. Operational Design Domains in Automated Vehicles: A Review of State-of-the-Art Standards, Challenges, and Proposed Solution[J]. 2024.

[6] Sumner R, Eisenhart B, Baker J. SAE J2735 standard: applying the systems engineering process[R]. United States. Department of Transportation. Intelligent Transportation Systems Joint Program Office, 2013.

[7] Ramos M A, Jullian C C, McCullough J, et al. Automated driving systems operating as mobility as a service: operational risks and SAE J3016 standard[C]//2023 Annual reliability and maintainability symposium (RAMS). IEEE, 2023: 1-6.

[8] Palin R, Ward D, Habli I, et al. ISO 26262 safety cases: Compliance and assurance[C]//6th IET International Conference on System Safety 2011. Stevenage UK: IET, 2011: B12.

[9] Park S W, Suresh R, Ailuri A. Collision Avoidance System at Urban Intersections Using V2X Communication[R]. SAE Technical Paper, 2025.

[10] Sumner R, Eisenhart B, Baker J. SAE J2735 standard: applying the systems engineering process[R]. United States. Department of Transportation. Intelligent Transportation Systems Joint Program Office, 2013.

[11] Qiu J D, Zhuang L, Zhou Y, et al. A Standard Cloud Platform Technology of Traffic Performance Index Based on Multi-Source Data Fusion[J]. Open Journal of Transportation Technologies, 2018, 7(5): 340-350.

[12] Shramko A P. Formalized model and algorithm for managing complex interaction of heterogeneous transport[C]//Journal of Physics: Conference Series. IOP Publishing, 2021, 2061(1): 012118.

[13] Lin S S. An institutional deployment framework for intelligent transportation systems[D]. Massachusetts Institute of Technology, 2003.

Yucong Duan ¹

(1. School of Computer Science and Technology, Hainan University, Haikou 570228, China)

Abstract: Intelligent transportation, as a typical high-dimensional complex system, requires a unified standard system to facilitate cooperation and transformation among various levels, including data, information, knowledge, wisdom, and purpose/performance. This paper employs the networked DIKWP (Data-Information-Knowledge-Wisdom-Purpose) model to comprehensively analyze the current standardization landscape and practices in China's intelligent transportation sector. It systematically reviews the standardization practices of four critical subsystems—autonomous driving, vehicle-road collaboration, traffic information services, and traffic management platforms—at each level of the DIKWP model, elucidating the mechanisms and pathways for standards conversion and integration. The research identifies several challenges in the existing standards system, including barriers to cross-departmental data integration, gaps in higher-level standards, insufficient coordination across different standard systems, difficulties in standard implementation, and relatively weak international standard influence. Accordingly, this paper proposes targeted recommendations such as enhancing top-level design, promoting cross-departmental collaboration, accelerating higher-level standards development, improving standard validation and implementation, advancing internationalization and digitalization of standards, focusing on breakthroughs in key standardization gaps, and continuously iterating standards. These findings offer critical theoretical guidance and practical references for accelerating the perfection of the standardization system in China's intelligent transportation, thereby promoting effective coordination across subsystems and driving high-quality development in intelligent transportation.

Keywords: Intelligent Transportation; DIKWP Model; Standardization; Autonomous Driving; Vehicle-Road Collaboration;

（责任编辑：XXX）

转载本文请联系原作者获取授权，同时请注明本文来自段玉聪科学网博客。

链接地址：https://wap.sciencenet.cn/blog-3429562-1485711.html?mobile=1

收藏

分享