面向安全可解释的网格集成电动汽车的多模态大语言模型框架

将电动汽车（EV）集成到智能电网中为增强交通系统和能源网络的运行提供了独特的机遇。然而，确保驱动者、车辆及其周围环境之间的安全可解释交互仍是一个关键挑战。本文提出了一个基于多模态大语言模型（LLM）的框架，用于处理多模态传感器数据，如目标检测、语义分割和车辆遥测，并为驱动者生成自然语言警报。该框架使用来自仪器化车辆在城市道路上实测数据进行验证，确保其适用于实际场景。通过结合视觉感知（YOLOv8）、地理编码定位和 CAN 总线遥测，该框架桥接了原始传感器数据与驱动者理解之间的关系，使城市驾驶中的决策更加安全和信息化。使用真实数据案例研究表明，该框架在危险情境（如靠近行人、骑行者和其他车辆）中生成情境感知警报方面具有有效性。本文突显了大语言模型作为电动出行辅助工具的潜力，旨在通过可扩展的车队协调、EV 负荷预测和流量感知能源规划，惠及交通系统和电力网络。指数术语 - 电动汽车、视觉感知、大语言模型、YOLOv8、语义分割、CAN 总线、提示工程、智能电网。