為提升車載設備駕駛員主動安全告警準確率，4月初，中移物聯網有限公司（以下簡稱“中移物聯”）引入AI多模態大模型技術，對行車衛士系統完成功能二次升級。本次升級對行車衛士設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，自動攔截無效告警信息。系統上線一周后，首批試用企業的結果顯示，誤報率顯著降低，管理效率大幅提升。
傳統告警誤報泛濫 管理效能遇瓶頸
長期以來，傳統車載安全告警設備面臨著一個棘手的難題——誤報泛濫。由于環境干擾或動作誤判，設備常常會發出錯誤告警信號。
部分設備誤報場景展示
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。在未接入多模態大模型過濾前，設備上報數據中誤報數量竟高達一半以上。這些大量無效的告警不僅增加了企業的人工核查成本，還可能干擾對真實風險的及時處理，嚴重制約了管理效能的提升。
AI多模態大模型雙重校驗 精準過濾誤報
此次行車衛士系統升級，核心亮點在于深度應用AI多模態大模型。當車載設備觸發告警后，系統會將告警圖片上傳至云端多模態大模型進行二次分析。通過模型的圖像識別技術，結合大量真實場景數據的訓練成果，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、手持物品的形態是否與香煙匹配；在接打電話告警中，模型會檢測設備與耳部的關系以及肢體動作的關聯性。只有經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
自系統升級上線一周以來，首批試用企業的結果反饋顯示，系統成功過濾超過75%的誤告警，誤報率顯著降低，管理效率大幅提升。目前，中移物聯已將未正確識別的誤報與誤攔截案例納入模型優化樣本庫，后期將開展新一輪的微調和測試，希望通過增量訓練，進一步提升模型的準確率。
下一階段，中移物聯將從兩方面推進提高算法性能，一方面推進傳統CV算法與大模型語義理解能力的深度融合，聯合識別方案已在測試中展現出更優性能，計劃通過短期迭代實現算法效能的突破性升級；另一方面積極探索模型微調與強化學習等技術路徑，當前技術驗證已取得初步進展，但方法的穩定性與跨場景泛化能力仍需通過多維度測試持續優化，后續將結合驗證結果制定漸進式落地方案。
行車衛士智能告警系統的升級，是技術創新道路上的一次重要跨越。相信不遠的未來，中移物聯能憑借多模態大模型的力量，助力車載安全告警邁向一個全新的精準化時代。 
