AccidentGPT: Accident analysis and prevention from V2X Environmental Perception with Multi-modal Large Model

要約

交通事故は人的被害と物的損害の両方に大きく寄与しており、交通安全分野の多くの学者にとって長年研究の焦点となってきた。
しかし、これまでの研究は、静的な環境評価や動的な運転分析、さらには事故前の予測や事故後のルール分析に焦点を当てたものであっても、通常は個別に実施されてきました。
交通安全の包括的な理解と応用を発展させるための効果的な枠組みが不足していました。
このギャップに対処するために、この文書では、包括的な事故分析および予防マルチモーダル大規模モデルである AccidentGPT を紹介します。
AccidentGPT は、マルチセンサーの知覚に基づいたマルチモーダル情報対話フレームワークを確立し、それによって交通安全の分野における事故の分析と防止への総合的なアプローチを可能にします。
具体的には、当社の機能は次のように分類できます。自動運転車両に対して、車両を制御して衝突を回避するための包括的な環境認識と理解を提供します。
人間が運転する車両の場合、当社はプロアクティブな長距離安全警告と死角警告を提供すると同時に、人間と機械の対話と対話を通じて安全運転の推奨事項と行動規範も提供します。
さらに、交通警察や管理機関向けに、当社のフレームワークは、複数の車両や道路試験装置からの共同認識を通じて、歩行者、車両、道路、環境を含む交通安全のインテリジェントでリアルタイムの分析をサポートします。
このシステムは、車両衝突後の事故原因と責任を徹底的に分析することもできます。
私たちのフレームワークは、包括的な現場の理解を交通安全研究に統合する最初の大規模なモデルとして機能します。

要約(オリジナル)

Traffic accidents, being a significant contributor to both human casualties and property damage, have long been a focal point of research for many scholars in the field of traffic safety. However, previous studies, whether focusing on static environmental assessments or dynamic driving analyses, as well as pre-accident predictions or post-accident rule analyses, have typically been conducted in isolation. There has been a lack of an effective framework for developing a comprehensive understanding and application of traffic safety. To address this gap, this paper introduces AccidentGPT, a comprehensive accident analysis and prevention multi-modal large model. AccidentGPT establishes a multi-modal information interaction framework grounded in multi-sensor perception, thereby enabling a holistic approach to accident analysis and prevention in the field of traffic safety. Specifically, our capabilities can be categorized as follows: for autonomous driving vehicles, we provide comprehensive environmental perception and understanding to control the vehicle and avoid collisions. For human-driven vehicles, we offer proactive long-range safety warnings and blind-spot alerts while also providing safety driving recommendations and behavioral norms through human-machine dialogue and interaction. Additionally, for traffic police and management agencies, our framework supports intelligent and real-time analysis of traffic safety, encompassing pedestrian, vehicles, roads, and the environment through collaborative perception from multiple vehicles and road testing devices. The system is also capable of providing a thorough analysis of accident causes and liability after vehicle collisions. Our framework stands as the first large model to integrate comprehensive scene understanding into traffic safety studies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google