设计方案 | 经典的“云-网-边-端”智慧高速架构发生了哪些变化？

点击下方卡片，可以快速关注：

近期要给某项目整理一个最新的项目架构，在整理资料时，看到了“云-网-边-端”这种经典的架构设计已经成为了传统方案。

不知道大家是否认同，下面就看看系统架构发生了哪些变化。

01 云网边端的传统架构

典型的“云-网-边-端”智慧高速架构是通过感知层和网络层实现端的连接，利用边缘计算分担时延敏感型任务，在云端实现大数据与AI的深度融合，最终赋能于多样化的交通应用，具备高可靠、高扩展和业务闭环的特点。

传统智慧高速架构设计遵循了云计算、物联网和大数据等领域的标准分层架构，该架构纵向主要分为五个核心层级，包括感知层、网络层、边缘计算层、平台层和应用层。

由下至上贯穿了从数据感知、网络传输、边缘计算到云端平台及业务应用的全过程，同时具备横向的支撑保障体系。

下面分别简单说明这5个层次：

1. 感知层是作为整个系统的数据来源，负责采集和发布信息，涵盖视频采集、视频雷达融合、数据融合以及设备连接等方面。 其中感知的渠道包括各类感知设施，例如雷达、视频监控、冰雪/积水传感器、车载设备和手持终端等。还包括发布渠道/控制信息，例如含情报板、可变限速标志等，用于向驾驶员实时发布信息。同时也采集其他数据，例如养护数据、施工数据等。
2. 网络层负责保障数据的高效、稳定传输，提供多通道的通信能力。支持光纤、100G OTN/MSTP+ 等骨干传输网。支持 IP网、C-V2X/4G/5G 移动通信以及 eLTE/NB-IoT 等窄带物联网技术。
3. 边缘计算层实现了算力的下沉，进行本地化、低时延的数据处理。主要包括底层硬件, 依托Atlas等边缘节点，运行 VM/容器编排；基础能力，标准设备接入、智能融合数据存储、数据分析；行业算和能力： 包含烟火识别、人脸识别、危险品识别、入侵检测、黑名单管理、在线计费等边缘端快速响应业务。
4. 平台层是整个架构的“大脑”，起到承上启下的作用，一般来说是通过云控平台实现高速运营的各种功能。平台层包括云平台基础提供计算资源池、存储资源池和网络资源池。技术中台包括视频平台、大数据平台、AI平台、V2X/物联网平台、BIM/GIS、高精度定位等。 平台层还提供数据使能，负责数据汇聚、数据治理、数据授权。建立专题库（事件、路网管控、收费稽核）和模型库（交通预测、养护预测）；应用使能， 提供统一交通应用集成，支持交通监测、车辆监控、道路网络服务、态势研判、拥堵成因分析等智慧高速业务服务及统一身份认证等公共服务；服务中心，向上层应用统一输出交通数据服务、交通AI服务、交通应用服务、交通视频服务和 API 管理服务。
5. 应用层是具体业务表现层，直接面向高速公路不同的业务场景，包括动态交通管控、智能收费、智慧养护、应急指挥、公众服务、智慧服务区、车路协同等等。

02 新型智能体架构

传统的架构主要依赖特定场景的解决方案，虽然一直在建设统一平台，目前各个系统之间基本还是相对孤立，尤其是养护、路政、收费、监控等多部门之间的数据关联性挖掘还是不够深入。

目前来说整个架构已经发生了质变，通过观察相关案例和论文，我们总结一下就是：云控平台升级为智能体大脑，边缘端升级为智能边缘，应用层则全面实现数字员工。

1 应用层从功能系统走向了智能体

以前的问题是系统太多，高速人感觉太累。收费、监控、养护等各种生产系统，数据本身不通，需要人得来回切换，到月底了更是忙碌一团。

现在想把它们串成一个工作流，你跟他说"前面堵了怎么办"，他自己去调摄像头、算路线、发通知，不用人一个一个点，直接说结果，人来拍板。

通过相关报道，现在各省的智能体也不少了，有的一个省级集团已经构建了上百个智能体，出现了路况播报、智能稽核、应急调度等各种智能体。用户不再需要去各个系统点按按钮，而是通过自然语言交互，完成相关任务调用。

2 云控平台升级为智能体大脑

云控平台整体来说就是被通用大模型和垂直大模型所代替了，或者说多模态大模型实现了原来云控平台的基础功能。

日常通用的，能看图、能听声、能跟人聊天理解人的意思，基本就是通过通用大模型来实现的。另外就是垂直大模型专门喂了高速数据，懂交规、懂路况规律，比如前方连环追尾，它能推算会堵多久、该从哪分流、应急预案怎么写。

大模型作为大脑，可以指挥调度传统的大数据平台、BIM/GIS 平台和既有业务系统，还可以进行推理、生成的人工智能活动。

3 边缘层升级为智能边缘

现在多模态小模型、大模型蒸馏技术已经有实现，并且不断成熟，这就导致了可以在边缘设备上部署经过蒸馏的轻量化多模态边缘模型，从而将边缘层智能化。

例如路边那些摄像头、传感器，以前只会看见冒烟就报警，报警了还得等云端或者监控人员下指令。现在让它们可以自己协同， 摄像头看见撞车了，直接告诉情报板"前方事故，减速慢行"，同时通知附近车辆，整个过程不用回云端，不用人的介入，几秒钟搞定。

4 基础设施层升级为算力集群

现在的高速公路的机房基本已经开始改名算力中心了，出发点还是因为业务发展的需求，传统 CPU 计算资源比例不断下降，GPU智算资源已经成为高速公路算力的核心。

另外底层数据我们也需要重新梳理，以前数据散在各处，现在归拢到一个"知识库"，交规、应急手册、历史案例都塞进去。大模型回答问题时，先查这个库，再组织语言，这样它不会瞎编，说出来的东西有依据。

根据上述调整，更新后的全栈架构如下图所示：

03 新架构下的业务流程示例

通过新架构，以“突发事故应急”为例，原本需要多部门、多系统流转几十分钟的流程，现在可以缩短至秒级。

以前出一次追尾，得折腾多久？高速上出了追尾，大概是这样的：

摄像头拍到了，值班人员盯着屏幕看半天，确认是真事故还是影子。然后打电话通知交警，交警再联系路政、救护车。情报板改内容？得有人专门登录系统去改。等这一套走完，十几分钟过去了，后面已经堵了两公里。

现在可以让设备自己干，摄像头拍到事故，路边设备自己改情报板、自己给附近车辆发提醒，同时大模型自动算会堵多久、如何进行分流，然后应急方案自动生成，交警路政救护车自动收到通知，整个过程只要管理人员就点一下同意，做个验证。

以前人找数据，现在数据自己跑，人来拍板。

内部技术逻辑大概如下：

1. 感知与边缘层响应： 雷达和视频捕获追尾事故，边缘层多模态模型瞬间识别并确认事故等级。边缘智能触发，直接自主更改上游的情报板：“前方事故，请减速慢行”，并通过V2X向周边车辆广播。
2. 云端大模型研判： 事故多模态数据上传至云端，交通垂直大模型结合当前路网流量、天气和历史案例，自动推演未来30分钟的拥堵趋势。
3. 智能体编排与下发： 应急调度智能体自动启动，通过RAG检索知识库，一秒生成最符合当前现状的应急处置预案。它通过工具调用，自动给交警、路政、救护车发送包含结构化事故信息的通知，同时数字人自动接入现场广播进行音频路况播报。
4. 全链路闭环： 管理人员只需在后台对智能体 生成的预案说一句：“同意，执行”，所有系统瞬间联动完毕。

04 总结

新的架构除了传统的安全和运维，还需要特别加入大模型语料与知识库管理体系。这是大模型的“粮仓”，其包含了高速公路的行业法规、应急预案手册、运营数据标准，是用来防止大模型瞎编的核心设计，不能忽视。

那么从这篇文章中，我们普通的民营企业可以参与的都有哪些呢？

如有侵权，请联系本人删除。

投稿邮箱：logiccenter@126.com

————往期精彩————

高速机电 | 基于Modbus的高速公路机电设备通讯协不能瞎定义

人工智能 | OpenClaw可能带来的高速公路新信息化范式变革思考：架构、人力交互、统一平台、云控平台等变化

隧道监控 | 隧道综合运营管理平台系统的架构设计

数字化转型 | 河北高速“冀鸿”生态架构建设，支撑行业数字化、网络化、智能化发展

《公路养护决策技术规范》要执行了，养护工区需要关注哪些重点内容？

感谢关注、转发、在看、点赞！