AccidentGPT：基于V2X环境感知与多模态大模型的事故分析与预防
计算工程、金融与科学
2024-01-01 v3 人工智能
摘要
交通事故作为人员伤亡和财产损失的重要原因，长期以来一直是交通安全领域众多学者的研究焦点。然而，以往的研究无论是侧重于静态环境评估还是动态驾驶分析，亦或是事故前预测还是事故后规则分析，通常都是孤立进行的。一直缺乏一个有效的框架来全面理解与应用交通安全。为填补这一空白，本文提出了AccidentGPT，一个全面的事故分析与预防多模态大模型。AccidentGPT建立了一个基于多传感器感知的多模态信息交互框架，从而实现了交通安全领域事故分析与预防的整体性方法。具体而言，我们的能力可归类如下：对于自动驾驶车辆，我们提供全面的环境感知与理解，以控制车辆并避免碰撞。对于人类驾驶车辆，我们提供主动的远程安全预警和盲区警报，同时通过人机对话与交互提供安全驾驶建议和行为规范。此外，对于交警和管理机构，我们的框架通过多车和路测设备的协同感知，支持对涵盖行人、车辆、道路和环境的交通安全进行智能实时分析。该系统还能在车辆碰撞后对事故原因和责任进行彻底分析。我们的框架是首个将全面场景理解整合到交通安全研究中的大模型。项目页面：https://accidentgpt.github.io
引用
@article{arxiv.2312.13156,
title = {AccidentGPT: Accident Analysis and Prevention from V2X Environmental Perception with Multi-modal Large Model},
author = {Lening Wang and Yilong Ren and Han Jiang and Pinlong Cai and Daocheng Fu and Tianqi Wang and Zhiyong Cui and Haiyang Yu and Xuesong Wang and Hanchu Zhou and Helai Huang and Yinhai Wang},
journal= {arXiv preprint arXiv:2312.13156},
year = {2024}
}
备注
21 pages, 19 figures