V2X-LLM：增强网联汽车走廊中的 V2X 集成与理解
人工智能
2025-03-05 v1
摘要
网联自动驾驶车辆和车联网的发展为提升交通安全性、机动性和可持续性提供了巨大潜力。然而，整合与分析包括基本安全消息和信号相位与配时数据在内的海量多样化 V2X 数据带来了巨大挑战，尤其是在网联汽车走廊中。这些挑战包括管理海量数据、确保实时数据集成以及理解复杂交通场景。尽管已有项目开发了先进的 CAV 数据管道，实现了车辆、基础设施和其他道路使用者之间的实时通信以管理网联汽车和路侧单元数据，但在数据理解和实时场景分析与推理方面仍存在重大障碍。为了解决这些问题，我们引入了 V2X-LLM 框架，对现有的 CV 数据管道进行全新增强。V2X-LLM 利用大语言模型来提升对 V2X 数据的理解和实时分析能力。该框架包含四个关键任务：场景解释，提供交通状况的详细叙述；V2X 数据描述，详述车辆与基础设施的状态；状态预测，预测未来交通状态；以及导航建议，提供优化的路线指引。通过在数据管道中将 LLM 驱动的推理与 V2X 数据相结合，V2X-LLM 框架为交通管理提供了实时反馈和决策支持。这种集成提高了交通分析、安全性和交通优化的准确性。在真实城市走廊中的演示突显了该框架推进智能交通系统的潜力。
引用
@article{arxiv.2503.02239,
title = {V2X-LLM: Enhancing V2X Integration and Understanding in Connected Vehicle Corridors},
author = {Keshu Wu and Pei Li and Yang Zhou and Rui Gan and Junwei You and Yang Cheng and Jingwen Zhu and Steven T. Parker and Bin Ran and David A. Noyce and Zhengzhong Tu},
journal= {arXiv preprint arXiv:2503.02239},
year = {2025}
}