9月19日消息，近日，高德宣布其TrafficVLM模型再升级，该模型通过融合实时交通孪生技术与多模态大模型能力，可实现车道级交通态势感知与预测。

    TrafficVLM基于通义Qwen-VL构建，在高德海量的、经过孪生还原的交通视觉数据上进行后训练和强化学习，能够将实时交通数据转化为视频流进行解析，识别车辆变道意图、拥堵传导趋势等复杂场景。

    据高德技术负责人介绍，“TrafficVLM不同于通用的视觉语言模型，它首先需要适配地图和交通孪生还原这种独特的视觉模态，对交通元素具备语义理解能力，接下来再在各类复杂交通分析任务上完成训练和强化”。

    通过这一技术路径，TrafficVLM实现了对交通分析的通用建模，不再局限于单一场景，自动可以扩展支持各种复杂场景，从车道级的流量分布，到一个路口的通行状态，再到城市级别的交通规律。

    首先是感知：它能识别出车辆、车道线、交通信号灯状态以及车、路的相对位置；其次是理解：理解车辆间的互动关系，如一辆车正在犹豫是否要变道，或者前方车流的减速正在向后方传导。再次是分析：结合当下和历史交通动态，分析当前交通拥堵的成因和未来发展趋势；最后则是决策： 最终，基于以上全方位的理解做出最优判断，为身处局部的用户提供最优的决策建议。

    比如，在用户前方3公里处的主干道上，左侧车道因一起突发追尾事故，形成了一个新的堵点。在事故发生的同时，TrafficVLM通过实时孪生交通感知到了这一异常，并在分钟级的持续推理中，不仅识别了事故点，还洞察并分析了其发展趋势：拥堵正在快速向上游蔓延，将形成一个长达3公里的拥堵路段。基于这一全局分析，TrafficVLM生成了最优的决策。在用户到达拥堵点之前，及时推送通行建议：“前方三公里突发事故，大量车辆向右并线，推荐您提前靠右行驶，注意避让应急车辆。”

    此次升级标志着高德在空间智能领域的进一步探索，通过AI技术将全局交通洞察转化为具体出行决策支持，目前该能力已集成至高德地图导航系统中。（周小白）