随着我国城市化进程进入高质量发展阶段，城市交通基础设施规模持续扩大，截至2024年，全国城市道路总里程已突破550万公里，桥梁总数超105万座。传统交通工程质量优化方法依赖人工检测与单一算法，存在效率低、精度不足、成本高企等问题——人工检测单公里耗时超2小时，病害漏检率达25%以上，全生命周期维护成本年均增长8%。大语言模型（Large Language Models,LLMs）凭借多模态数据理解、复杂模式识别与动态决策能力，为交通工程质量优化提供颠覆性解决方案。本文构建“数据采集-模型训练-质量评估-策略实施”四阶段闭环技术框架，结合某省会城市道路、桥梁工程实证案例，验证大模型应用效果。结果表明，相比传统方法，大模型可提升病害识别准确率17.5%-26.5%，降低全生命周期成本23.6%，减少安全事故发生率25%，为城市交通工程智能化转型提供理论支撑与实践路径。