为了更全面地生成相关领域的子技术，研究采用了大语言模型工具，以解决现有研究团队在知识结构上无法全面覆盖跨领域技术的问题。利用OpenAI GPT的API，通过设定问题模板来获取多领域技术的终端结果。值得强调的是，为了确保生成结果的可靠性，课题采用了包括多搜索引擎结果和专业学者反馈在内的多元交叉验证方法，最终生成了现有的技术发展路线图和相关结果。
图1 基于GPT的技术结果生成流程
ATS发展的三个阶段为辅助自主、高度自主、完全自主，因此，项目组结合不同自主化程度的交通系统自主化能力，对外部技术中与交通系统发展关联度较高的二级技术及其指标进行了阶段划分，形成面向8类外部技术的发展路线图。如图2~图9所示。
图2 传感器技术发展路线图
图3 地理信息技术发展路线图
图4 大数据技术发展路线图
图5 通信及传输技术发展路线图
图6 计算技术发展路线图
图7 人工智能技术发展路线图
图8 控制技术发展路线图
图9 模拟仿真技术发展路线图
与许多其他领域不同，交通内部技术没有严格的二级技术划分，这些内部技术的实现通常是通过融合多个外部技术完成的。因此，内部技术路线图主要包含外部技术支撑和技术指标两个部分，与外部技术路线图一样，内部技术路线图也分为辅助自主、高度自主、完全自主三个阶段，最终形成8类交通内部技术路线图如图10~图17所示。
图10 交通信息采集技术发展路线图
图11 交通数据管理技术发展路线图
图12 交通信息交互技术发展路线图
图13 交通状态分析及预测技术发展路线图
图14 交通信息服务技术发展路线图
图15 交通管理与控制技术发展路线图
图16 车辆智能驾驶技术发展路线图
图17 智能车联网与车路协同技术发展路线图