夜雨聆风2026年6月，交通运输部会同国家铁路局、中国民航局、国家邮政局、国铁集团联合印发《"人工智能+交通运输"典型应用场景创新行动方案》（交科技发〔2026〕60号），围绕智能驾驶、智慧公路、智能航运、智慧民航、智慧邮政、数智化执法等十大方向，首批梳理出41个重点应用场景，拟于2026年布局实施超百项试点。
这意味着，人工智能正在从"概念"走向交通运输执法的"实操"层面。河南、江苏、内蒙古等省份已相继出台"人工智能+交通运输"实施方案，AI辅助取证、智能研判违法、执法文书自动生成等应用场景正在加速落地。笔者所在的临沂市交通运输执法支队建成了基于大模型的执法智能辅助系统并投入实际运行。
技术进步令人振奋，但对一线执法人员和法治工作者而言，一系列法律新问题也随之浮出水面：AI采集的证据是否具有法律效力？自动驾驶出了事故谁担责？无人机执法取证的边界在哪里？算法辅助裁量会不会成为"算法裁量"？
本文试从五个维度梳理AI时代交通运输执法面临的法律新问题，并结合临沂市的实践探索，供业界探讨。
一、AI辅助执法，证据效力怎么认定
（一）现行法律框架
AI辅助执法最核心的法律问题，在于其采集的数据能否作为合法的行政处罚证据。
当前的法律依据主要有两层：
第一层：《中华人民共和国行政处罚法》第四十一条——行政机关依照法律、行政法规规定利用电子技术监控设备收集、固定违法事实的，应当经过法制和技术审核，确保电子技术监控设备符合标准、设置合理、标志明显，设置地点应当向社会公布。电子技术监控设备记录违法事实应当真实、清晰、完整、准确。未经审核或者经审核不符合要求的，不得作为行政处罚的证据。
第二层：《交通运输行政执法程序规定》第三十八条第五项——重申了上述要求，并进一步明确：执法部门应当及时告知当事人违法事实，并采取信息化手段或者其他措施，为当事人查询、陈述和申辩提供便利。不得限制或者变相限制当事人享有的陈述权、申辩权。
（二）AI带来的新问题
传统的电子技术监控设备（如称重检测系统、视频抓拍系统）本质上是"被动记录"工具，而AI系统则具有"主动识别""智能研判"的能力。这就带来了几个新问题：
1. AI识别结论是否等同于"电子技术监控设备记录"？
AI通过算法模型对视频画面进行分析，自动识别超限超载、违规变道等违法行为。这种"识别结论"已经不仅是原始数据的记录，而是包含了算法判断的"二次加工产品"。其法律效力如何认定？是作为电子数据证据，还是需要作为鉴定意见审查？
2. 算法的"黑箱"与当事人知情权
当事人有权知道自己是被什么设备、以什么方式认定违法的。但AI算法往往涉及商业秘密和技术复杂性，向当事人充分释明识别原理存在现实困难。如何在保护知识产权与保障当事人知情权之间取得平衡？
3. 误报率与举证责任
AI识别存在误报的可能。当当事人对AI认定的违法事实提出异议时，举证责任如何分配？是由当事人证明"我没有违法"，还是由执法部门证明"AI识别准确"？《交通运输行政执法程序规定》第三十一条规定"证据应当具有合法性、真实性、关联性"，AI证据的三性审查标准亟待细化。
（三）我的建议是：
一是对AI辅助执法设备，仍应严格执行法制和技术审核程序，设备设置地点应当向社会公布。
二是AI识别结论宜作为违法线索，经执法人员复核确认后方可作为处罚证据，不宜直接作为处罚依据。
三是建议在处罚决定书中载明AI技术辅助执法的事实，保障当事人知情权。
二、自动驾驶出了事故，责任算谁的
（一）新国标与责任划分
2026年，工信部组织制定的《智能网联汽车 自动驾驶系统安全要求》（GB 44721—2026）强制性国家标准正式发布，拟于2027年7月1日起实施。该标准明确了L3级和L4级的人机权责边界：
L3级（有条件自动驾驶）：以车内驾驶员为最终安全责任人，系统仅能在限定场景内自主驾驶，车企需承担监督责任，并配备驾驶人接管能力监测功能。
L4级（高度自动驾驶）：车企需要承担主体责任，安全责任完全转移至车企。
（二）法律困境
1. 接管时刻的责任真空
L3级自动驾驶最棘手的问题在于"接管时刻"。当系统发出接管请求、驾驶员未能及时响应时，事故责任该如何认定？在这个从"系统驾驶"到"人工驾驶"的过渡瞬间，责任归属存在模糊地带。
最高人民法院指导性案例271号《王某群危险驾驶案》明确：车载辅助驾驶系统不能代替驾驶人成为驾驶主体，驾驶人激活车载辅助驾驶功能后，仍是实际执行驾驶任务的人，负有确保行车安全的责任。但该案例针对的是L2级辅助驾驶，L3级以上自动驾驶的责任认定尚无统一的司法裁判规则。
2. 数据垄断与举证困难
自动驾驶车辆的事故数据主要由车企后台掌握。消费者在事故维权中面临"数据不对称"的困境——车企既是数据的控制者，又是责任的潜在承担者。新国标要求L3、L4级车型标配自动驾驶数据记录仪（DSSAD），完整记录系统接管、故障报错、道路碰撞等关键行车数据，且数据不可篡改。这为破解"车企单方垄断后台数据"的司法难题提供了技术方案，但数据记录仪的法律地位、数据提取的程序规范等仍有待明确。
3. 地方立法先行与全国规则缺位
《深圳经济特区智能网联汽车管理条例》于2026年7月1日起施行修订版，在国内率先系统区分了不同驾驶状态下的责任归属。但地方立法的适用范围有限，全国层面的智能网联汽车交通事故责任立法尚属空白。
（三）对交通运输执法的影响
自动驾驶车辆涉及道路交通安全违法时，交通运输执法部门面临的问题包括：
违法主体如何认定？是处罚驾驶人、车辆所有人还是车企？
在L4级自动驾驶状态下，车辆超限超载等违法行为的责任主体是谁？
自动驾驶卡车从事货运经营时，经营资质和从业人员资格如何管理？
这些问题需要立法层面尽快回应。
三、无人机执法取证，程序合规了吗
（一）应用现状
多地交通运输部门已开始探索无人机在执法中的应用。江苏省在南京探索利用无人机对散货船舶未封舱等违法行为进行智能研判；河南省将无人机巡检纳入交通建设工程执法领域，对高空、涉水、危险区域施工现场开展外观质量、安全风险检查；内蒙古在口岸推广AGV跨境运输及无人驾驶重卡跨境运输。
（二）法律问题
1. 执法主体资格
无人机操作人员是否需要具备行政执法资格？根据《行政处罚法》和《交通运输行政执法程序规定》，行政执法应当由具有执法资格的执法人员实施。无人机远程操控执法中，操控人员的法律身份如何界定？
2. 取证程序合规
《交通运输行政执法程序规定》对勘验、检查等执法行为规定了严格的程序要求。无人机巡查是否需要事先告知？在非公开区域上空进行航拍取证是否侵犯隐私权？采集的影像资料是否需要两名以上执法人员共同确认？
3. 证据链完整性
无人机采集的影像资料从采集到入库，如何保证不被篡改？是否需要区块链存证等技术手段固定证据？《交通运输行政执法程序规定》第三十八条要求电子数据应当使用光盘或其他数字存储介质备份，无人机取证的数据量远大于传统设备，备份和存储管理面临新挑战。
（三）我的建议是：
一是无人机执法应制定专门的操作规程，明确适用场景和禁区。
二是操控人员应取得行政执法资格，或由具备资格的执法人员现场监督。
三是建议无人机取证全程录像，记录起飞、巡航、降落全过程，确保证据链完整。
四、执法数据交给AI，安全底线在哪
（一）新规出台
2026年7月1日，《交通运输数据安全管理办法》正式实施。该办法共7章41条，构建了"主体责任明晰、监管履职到位、分类分级保护精准、全生命周期管理闭环、安全风险防控严密、监督检查规范"的数据安全管理体系。
（二）对执法数据的适用
AI执法必然涉及大量数据的采集、传输、存储和分析。交通运输执法过程中产生的数据，哪些属于"重要数据"，哪些涉及个人信息，需要按照《办法》进行分类分级管理：
1. 执法数据的分类分级
《办法》依法构建"核心数据、重要数据、一般数据"数据分级体系。交通运输执法数据中，涉及大规模公民个人信息的车辆轨迹数据、从业人员信息等，有可能被认定为重要数据，需要采取更严格的保护措施。
2. 数据处理的全生命周期合规
《办法》第三章规定了数据收集、存储、使用、加工、传输、提供、公开、删除8个环节的安全保护要求。AI执法系统在数据处理过程中，每个环节都需要符合法定要求。特别是执法数据向第三方（如AI技术供应商）提供时，是否构成《办法》规定的"数据提供"，需要履行哪些安全评估程序？
3. 人工智能数据处理的特殊要求
《办法》对人工智能数据处理场景提出了专门的安全要求。AI执法模型的训练数据、算法参数等，是否需要单独的安全评估？这对执法部门与科技企业的合作模式提出了新的合规要求。
五、AI推荐的处罚幅度，听还是不听
（一）应用趋势
河南省"人工智能+交通运输"方案明确提出"探索执法数据异常监测预警、AI辅助自由裁量、执法案卷自动生成等业务模式"。江苏省提出"基于执法文书、行政处罚案例及法律法规文件构建执法知识库"，探索AI在执法中的应用。
（二）法律风险
1. 裁量权的"让渡"问题
行政处罚的自由裁量权是法律赋予行政执法机关的法定职权。当AI系统根据历史案例和算法模型"推荐"处罚幅度时，执法人员是否实质上"让渡"了裁量权？如果执法人员完全采纳AI推荐，是否构成"未履行法定职责"？
2. 算法偏见与公平性
AI模型基于历史数据训练。如果历史处罚数据中存在地域性、对象性的偏差（如对某一类车辆或某一地区处罚偏重），AI模型可能会"学习"并放大这些偏差，导致系统性歧视。这种"算法偏见"如何识别和纠正？
3. 责任归属
如果AI辅助决策导致处罚不当，责任由谁承担？是执法机关、执法人员，还是AI系统开发者？目前法律对此尚无明确规定。
（三）我的建议是：
一是AI辅助裁量结果应定位为"参考意见"，最终处罚决定必须由执法人员依法作出。
二是处罚决定书中不宜直接引用AI分析结论作为处罚依据。
三是建议建立AI辅助裁量结果的复核机制，对偏离法定幅度较大的推荐结果进行人工审查。
六、临沂的探索：AI怎样当好执法助手
理论探讨最终要落地于实践。山东省临沂市交通运输局自2025年4月起，依托本地政务网独立部署的DeepSeek大模型，建成交通运输行政执法智能辅助系统并投入运行，为前述法律问题提供了实践回应。
系统配套建设了涵盖124部法规、1100余起典型案例、600余条裁量规则的专属知识库，全流程不调用公网数据，确保数据安全。其核心功能与前文讨论的法律问题形成三重呼应：
一是"智能生成+人工审核"机制回应了电子证据效力问题。系统可在10至15分钟内生成说理式执法文书（传统人工需2至2.5小时），但必须经人工审核确认后方可送达当事人——这正是前文建议的"AI识别结论宜作为违法线索、经执法人员复核确认后方可作为处罚证据"的实践验证。
二是"类案不同罚分析"模型回应了算法偏见问题。系统内置7个智能监督模型，其中"类案不同罚分析"曾筛查出同类案件罚款标准从2000元至2万元不等的裁量失衡现象。这表明，AI不仅可能"学习"历史偏差，同样也能成为发现和纠正裁量偏差的有力工具——关键在于算法设计方向是"复制历史"还是"检视历史"。
三是数据全流程内网管理回应了数据安全要求。执法数据采集、处理、存储全流程在政务网内完成，与《交通运输数据安全管理办法》的全生命周期管理要求相契合。
临沂实践的核心启示在于：AI赋能执法，关键不在于技术多先进，而在于始终坚持"辅助定位"不动摇、"人工审核"不缺位、"数据安全"不松懈。
人工智能与交通运输执法的融合是大势所趋。《"人工智能+交通运输"典型应用场景创新行动方案》将"数智化执法"列为重点方向，各地试点正在加速推进。但技术的进步不能以牺牲法治原则为代价。
当前迫切需要做到"三个同步"：
一是技术应用与制度规范同步。AI执法应用不能"先上车后补票"，应当在试点之初就同步研究制定操作规程和法律风险防控方案。
二是创新探索与权利保障同步。AI执法的效率优势不能以压缩当事人陈述权、申辩权为代价。《行政处罚法》第四十一条的底线要求——"不得限制或者变相限制当事人享有的陈述权、申辩权"——在AI时代同样不可动摇。
三是行业实践与立法跟进同步。自动驾驶责任认定、AI证据效力、算法裁量规范等问题，亟需在立法层面予以回应。地方先行先试值得鼓励，但全国性规则的缺位终将成为行业发展的制度瓶颈。
交通强国建设需要科技赋能，也需要法治护航。在AI浪潮中守住法治底线，既是对执法人员的要求，也是对行业治理能力的考验。临沂等地的先行探索表明，只要坚持"辅助定位、人工审核、数据安全"三大底线，AI完全可以成为交通运输执法的得力助手而非法治隐患。
ID: A319925
关注我们，
等于关注交通。
有了您的支持，
我们会做的更好！
长按二维码关注
声明：本公众号为个人分享平台，内容仅供学习交流，不构成本人具体的法律意见或对相关法律法规/案例/事件等的解读。原创内容版权归作者所有，转载需授权；引用内容已注明出处，侵权联系删除。
转载本公众号文章，请注明出处。
交通综合执法交流qq群337776，欢迎同行加入。
投稿、联系邮箱:319925@qq.com
觉得不错，点个“在看”↓↓↓