在現(xiàn)代交通環(huán)境中，駕駛者常常面臨信息盲區(qū)的挑戰(zhàn)：在復(fù)雜的路口穿梭時(shí)，只能看到眼前的車(chē)流，卻無(wú)法預(yù)知百米外哪個(gè)車(chē)道即將擁堵；在暢通的高速上行駛時(shí)，卻難以預(yù)見(jiàn)前方因輕微剎車(chē)而引發(fā)的“幽靈堵車(chē)”。

這些局部視角的限制，使得駕駛者難以做出最優(yōu)的決策。為了應(yīng)對(duì)這一難題，高德導(dǎo)航依托空間智能架構(gòu)，實(shí)現(xiàn)了TrafficVLM模型的再升級(jí)，從而助力用戶(hù)實(shí)現(xiàn)全局交通掌控，提升駕駛體驗(yàn)。

01TrafficVLM的核心能力

在于“讓AI看見(jiàn)實(shí)時(shí)交通”

依托空間智能架構(gòu)，全新升級(jí)的TrafficVLM（交通視覺(jué)語(yǔ)言模型）為用戶(hù)帶來(lái)了前所未有的“天眼”視角。這項(xiàng)技術(shù)能讓用戶(hù)全面了解全局交通狀況，從而在復(fù)雜環(huán)境中做出更優(yōu)決策。它賦予每位駕駛者“全知視角”的能力，在面對(duì)路口或高速時(shí)，不再受限于局部視野，從而更直觀(guān)預(yù)知前方路況，從容應(yīng)對(duì)潛在風(fēng)險(xiǎn)。

當(dāng)用戶(hù)開(kāi)啟高德地圖導(dǎo)航，一場(chǎng)智能化出行的序幕已拉開(kāi)，但在用戶(hù)看不見(jiàn)的云端，TrafficVLM也在同步運(yùn)行，并以分鐘級(jí)的頻率持續(xù)對(duì)沿途交通態(tài)勢(shì)進(jìn)行實(shí)時(shí)推理，化身用戶(hù)的超視距“天眼”。

例如，在用戶(hù)前方3公里的主干道上，左側(cè)車(chē)道因一起突發(fā)追尾事故而形成新堵點(diǎn)，即時(shí)TrafficVLM會(huì)通過(guò)實(shí)時(shí)孿生交通感知到了這一異常，且推理識(shí)別出事故點(diǎn)并洞悉其發(fā)展趨勢(shì)：擁堵或?qū)⒖焖俾樱纬梢粋€(gè)長(zhǎng)達(dá)3公里的擁堵路段。

為此，TrafficVLM會(huì)迅速生成最優(yōu)決策建議。在用戶(hù)到達(dá)擁堵點(diǎn)之前，及時(shí)推送通行建議：“前方三公里突發(fā)事故，大量車(chē)輛向右并線(xiàn)，推薦您提前靠右行駛，注意避讓?xiě)?yīng)急車(chē)輛。”

這不僅僅是一條文字提醒。當(dāng)用戶(hù)點(diǎn)擊導(dǎo)航界面右下角的視窗，導(dǎo)航畫(huà)面瞬間切換，仿佛一部擁有上帝視角的攝影機(jī)，跨越3公里直抵擁堵現(xiàn)場(chǎng)，實(shí)時(shí)呈現(xiàn)前方車(chē)流動(dòng)態(tài)與高清實(shí)景圖像。通過(guò)云端調(diào)度系統(tǒng)的快速響應(yīng)，系統(tǒng)在擁堵發(fā)生時(shí)即刻下發(fā)觀(guān)測(cè)指令，調(diào)取第一現(xiàn)場(chǎng)的視覺(jué)數(shù)據(jù)，并基于圖像中的深度信息進(jìn)行智能分析，精準(zhǔn)還原擁堵點(diǎn)位的空間結(jié)構(gòu)與交通態(tài)勢(shì)。

用戶(hù)不僅能直觀(guān)看到“前方堵車(chē)”，更能清楚理解為何需要變道、何時(shí)該減速，以及擁堵的真實(shí)成因與范圍。這種從被動(dòng)接收提示到主動(dòng)洞察全局的轉(zhuǎn)變，讓用戶(hù)擺脫了“盲人摸象”般的局限，真正實(shí)現(xiàn)了對(duì)復(fù)雜路況的可視化、可感知、可預(yù)判的智慧導(dǎo)航體驗(yàn)。

高德地圖產(chǎn)品負(fù)責(zé)人表示，團(tuán)隊(duì)構(gòu)建了一套強(qiáng)大的底層系統(tǒng)——交通孿生還原能力，能夠在“任意地區(qū)、任意尺度”下，將海量的實(shí)時(shí)交通數(shù)據(jù)精準(zhǔn)還原為動(dòng)態(tài)孿生視頻流。無(wú)論您身處繁華的北京國(guó)貿(mào)橋路口，還是狹窄的廣州老城小巷，都能實(shí)時(shí)構(gòu)建出一個(gè)與現(xiàn)實(shí)世界完全同步的“數(shù)字交通世界”，并將其以視頻形式呈現(xiàn)。這些讓交通視頻流成為T(mén)rafficVLM模型學(xué)習(xí)、分析和決策的獨(dú)特輸入，讓AI得以實(shí)時(shí)洞察現(xiàn)實(shí)世界中任意區(qū)域的交通脈搏。

02從感知到?jīng)Q策：

TrafficVLM的智能閉環(huán)

與通用視覺(jué)語(yǔ)言模型不同，以業(yè)界領(lǐng)先的視覺(jué)語(yǔ)言模型通義Qwen-VL為底座，TrafficVLM基于高德海量、高度還原的交通視覺(jué)數(shù)據(jù)，完成了強(qiáng)化學(xué)習(xí)和數(shù)據(jù)訓(xùn)練。首先，其需要適配地圖和交通孿生還原這種獨(dú)特的視覺(jué)模態(tài)，對(duì)交通元素具備語(yǔ)義理解能力。進(jìn)而再進(jìn)一步學(xué)習(xí)復(fù)雜的交通分析任務(wù)，并實(shí)現(xiàn)對(duì)交通動(dòng)態(tài)的全面理解與預(yù)測(cè)。

TrafficVLM的能力覆蓋了交通分析的整個(gè)流程，從感知到?jīng)Q策形成了一個(gè)完整的智能閉環(huán)。首先，它能夠精準(zhǔn)識(shí)別車(chē)輛、車(chē)道線(xiàn)、交通信號(hào)燈狀態(tài)以及車(chē)路的相對(duì)位置；此外，它還能夠深入分析車(chē)輛間的互動(dòng)關(guān)系：例如一輛車(chē)正在猶豫是否變道，或前方車(chē)流的減速正在向后方傳導(dǎo)。TrafficVLM可結(jié)合當(dāng)下交通流及歷史交通動(dòng)態(tài)，分析擁堵成因和未來(lái)發(fā)展趨勢(shì)，最終生成最優(yōu)的決策建議，為用戶(hù)提供全局視角的支持。

導(dǎo)航的終極目標(biāo)，從來(lái)不只是提供一條抵達(dá)線(xiàn)路，而是確保每一次出行都兼具安全與效率。TrafficVLM通過(guò)“交通孿生還原”與“視覺(jué)語(yǔ)言大模型”的創(chuàng)新結(jié)合，重塑了導(dǎo)航的可能性。它讓導(dǎo)航得以進(jìn)化為能夠主動(dòng)感知、理解并提供全局最優(yōu)決策的智能體，將復(fù)雜的交通博弈化繁為簡(jiǎn)，變成用戶(hù)可以直接了解的信息和決策建議。

這不僅標(biāo)志著高德地圖在導(dǎo)航領(lǐng)域與大模型技術(shù)深度融合，還體現(xiàn)了其在A(yíng)I主動(dòng)參與決策能力方面的突破與創(chuàng)新。