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，只能看到眼前的車流，卻無法預(yù)知百米外哪個車道即將擁堵；在暢通的高速上行駛時，卻難以預(yù)見前方因輕微剎車而引發(fā)的“幽靈堵車”。

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)對這一難題，高德導(dǎo)航依托空間智能架構(gòu)，實現(xiàn)了TrafficVLM模型的再升級，從而助力用戶實現(xiàn)全局交通掌控，提升駕駛體驗。

01TrafficVLM的核心能力

在于“讓AI看見實時交通”

依托空間智能架構(gòu)，全新升級的TrafficVLM（交通視覺語言模型）為用戶帶來了前所未有的“天眼”視角。這項技術(shù)能讓用戶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，在面對路口或高速時，不再受限于局部視野，從而更直觀預(yù)知前方路況，從容應(yīng)對潛在風(fēng)險。

當(dāng)用戶開啟高德地圖導(dǎo)航，一場智能化出行的序幕已拉開，但在用戶看不見的云端，TrafficVLM也在同步運行，并以分鐘級的頻率持續(xù)對沿途交通態(tài)勢進(jìn)行實時推理，化身用戶的超視距“天眼”。

例如，在用戶前方3公里的主干道上，左側(cè)車道因一起突發(fā)追尾事故而形成新堵點，即時TrafficVLM會通過實時孿生交通感知到了這一異常，且推理識別出事故點并洞悉其發(fā)展趨勢：擁堵或?qū)⒖焖俾?，形成一個長達(dá)3公里的擁堵路段。

為此，TrafficVLM會迅速生成最優(yōu)決策建議。在用戶到達(dá)擁堵點之前，及時推送通行建議：“前方三公里突發(fā)事故，大量車輛向右并線，推薦您提前靠右行駛，注意避讓應(yīng)急車輛?！?/p>

這不僅僅是一條文字提醒。當(dāng)用戶點擊導(dǎo)航界面右下角的視窗，導(dǎo)航畫面瞬間切換，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，實時呈現(xiàn)前方車流動態(tài)與高清實景圖像。通過云端調(diào)度系統(tǒng)的快速響應(yīng)，系統(tǒng)在擁堵發(fā)生時即刻下發(fā)觀測指令，調(diào)取第一現(xiàn)場的視覺數(shù)據(jù)，并基于圖像中的深度信息進(jìn)行智能分析，精準(zhǔn)還原擁堵點位的空間結(jié)構(gòu)與交通態(tài)勢。

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

高德地圖產(chǎn)品負(fù)責(zé)人表示，團(tuán)隊構(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，將海量的實時交通數(shù)據(jù)精準(zhǔn)還原為動態(tài)孿生視頻流。無論您身處繁華的北京國貿(mào)橋路口，還是狹窄的廣州老城小巷，都能實時構(gòu)建出一個與現(xiàn)實世界完全同步的“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TrafficVLM模型學(xué)習(xí)、分析和決策的獨特輸入，讓AI得以實時洞察現(xiàn)實世界中任意區(qū)域的交通脈搏。

02從感知到?jīng)Q策：

TrafficVLM的智能閉環(huán)

與通用視覺語言模型不同，以業(yè)界領(lǐng)先的視覺語言模型通義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特的視覺模態(tài)，對交通元素具備語義理解能力。進(jìn)而再進(jìn)一步學(xué)習(xí)復(fù)雜的交通分析任務(wù)，并實現(xiàn)對交通動態(tài)的全面理解與預(yù)測。

TrafficVLM的能力覆蓋了交通分析的整個流程，從感知到?jīng)Q策形成了一個完整的智能閉環(huán)。首先，它能夠精準(zhǔn)識別車輛、車道線、交通信號燈狀態(tài)以及車路的相對位置；此外，它還能夠深入分析車輛間的互動關(guān)系：例如一輛車正在猶豫是否變道，或前方車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態(tài)，分析擁堵成因和未來發(fā)展趨勢，最終生成最優(yōu)的決策建議，為用戶提供全局視角的支持。

導(dǎo)航的終極目標(biāo)，從來不只是提供一條抵達(dá)線路，而是確保每一次出行都兼具安全與效率。TrafficVLM通過“交通孿生還原”與“視覺語言大模型”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，變成用戶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AI主動參與決策能力方面的突破與創(chuàng)新。