為提升車載設(shè)備駕駛員主動安全告警準確率，4月初，中移物聯(lián)網(wǎng)有限公司（以下簡稱“中移物聯(lián)”）引入AI多模態(tài)大模型技術(shù)，對行車衛(wèi)士系統(tǒng)完成功能二次升級。本次升級對行車衛(wèi)士設(shè)備上報的告警進行二次過濾，通過AI模型對司機抽煙、接打電話等誤報率高的行為圖片進行智能分析，自動攔截?zé)o效告警信息。系統(tǒng)上線一周后，首批試用企業(yè)的結(jié)果顯示，誤報率顯著降低，管理效率大幅提升。

傳統(tǒng)告警誤報泛濫 管理效能遇瓶頸

長期以來，傳統(tǒng)車載安全告警設(shè)備面臨著一個棘手的難題——誤報泛濫。由于環(huán)境干擾或動作誤判，設(shè)備常常會發(fā)出錯誤告警信號。

部分設(shè)備誤報場景展示

例如，光線反射可能被誤判為司機手持香煙，物品抓取動作被誤判為接打電話。在未接入多模態(tài)大模型過濾前，設(shè)備上報數(shù)據(jù)中誤報數(shù)量竟高達一半以上。這些大量無效的告警不僅增加了企業(yè)的人工核查成本，還可能干擾對真實風(fēng)險的及時處理，嚴重制約了管理效能的提升。

AI多模態(tài)大模型雙重校驗 精準過濾誤報

此次行車衛(wèi)士系統(tǒng)升級，核心亮點在于深度應(yīng)用AI多模態(tài)大模型。當(dāng)車載設(shè)備觸發(fā)告警后，系統(tǒng)會將告警圖片上傳至云端多模態(tài)大模型進行二次分析。通過模型的圖像識別技術(shù)，結(jié)合大量真實場景數(shù)據(jù)的訓(xùn)練成果，對告警的真實性進行精準判斷。

過濾流程示意圖

例如，在疑似抽煙告警中，模型會分析是否有煙霧、手持物品的形態(tài)是否與香煙匹配；在接打電話告警中，模型會檢測設(shè)備與耳部的關(guān)系以及肢體動作的關(guān)聯(lián)性。只有經(jīng)過雙重校驗確認為有效的告警，才會推送至管理平臺，無效告警則被自動攔截。

升級成果顯著 攔截75%的誤報

自系統(tǒng)升級上線一周以來，首批試用企業(yè)的結(jié)果反饋顯示，系統(tǒng)成功過濾超過75%的誤告警，誤報率顯著降低，管理效率大幅提升。目前，中移物聯(lián)已將未正確識別的誤報與誤攔截案例納入模型優(yōu)化樣本庫，后期將開展新一輪的微調(diào)和測試，希望通過增量訓(xùn)練，進一步提升模型的準確率。

下一階段，中移物聯(lián)將從兩方面推進提高算法性能，一方面推進傳統(tǒng)CV算法與大模型語義理解能力的深度融合，聯(lián)合識別方案已在測試中展現(xiàn)出更優(yōu)性能，計劃通過短期迭代實現(xiàn)算法效能的突破性升級；另一方面積極探索模型微調(diào)與強化學(xué)習(xí)等技術(shù)路徑，當(dāng)前技術(shù)驗證已取得初步進展，但方法的穩(wěn)定性與跨場景泛化能力仍需通過多維度測試持續(xù)優(yōu)化，后續(xù)將結(jié)合驗證結(jié)果制定漸進式落地方案。

行車衛(wèi)士智能告警系統(tǒng)的升級，是技術(shù)創(chuàng)新道路上的一次重要跨越。相信不遠的未來，中移物聯(lián)能憑借多模態(tài)大模型的力量，助力車載安全告警邁向一個全新的精準化時代。