为提升车载设备驾驶员主动安全告警准确率，4月初，中移物联网有限公司（以下简称“中移物联”）引入AI多模态大模型技术，对行车卫士系统完成功能二次升级。本次升级对行车卫士设备上报的告警进行二次过滤，通过AI模型对司机抽烟、接打电话等误报率高的行为图片进行智能分析，自动拦截无效告警信息。系统上线一周后，首批试用企业的结果显示，误报率显著降低，管理效率大幅提升。
传统告警误报泛滥 管理效能遇瓶颈
长期以来，传统车载安全告警设备面临着一个棘手的难题——误报泛滥。由于环境干扰或动作误判，设备常常会发出错误告警信号。
部分设备误报场景展示
例如，光线反射可能被误判为司机手持香烟，物品抓取动作被误判为接打电话。在未接入多模态大模型过滤前，设备上报数据中误报数量竟高达一半以上。这些大量无效的告警不仅增加了企业的人工核查成本，还可能干扰对真实风险的及时处理，严重制约了管理效能的提升。
AI多模态大模型双重校验 精准过滤误报
此次行车卫士系统升级，核心亮点在于深度应用AI多模态大模型。当车载设备触发告警后，系统会将告警图片上传至云端多模态大模型进行二次分析。通过模型的图像识别技术，结合大量真实场景数据的训练成果，对告警的真实性进行精准判断。
过滤流程示意图
例如，在疑似抽烟告警中，模型会分析是否有烟雾、手持物品的形态是否与香烟匹配；在接打电话告警中，模型会检测设备与耳部的关系以及肢体动作的关联性。只有经过双重校验确认为有效的告警，才会推送至管理平台，无效告警则被自动拦截。
升级成果显著 拦截75%的误报
自系统升级上线一周以来，首批试用企业的结果反馈显示，系统成功过滤超过75%的误告警，误报率显著降低，管理效率大幅提升。目前，中移物联已将未正确识别的误报与误拦截案例纳入模型优化样本库，后期将开展新一轮的微调和测试，希望通过增量训练，进一步提升模型的准确率。
下一阶段，中移物联将从两方面推进提高算法性能，一方面推进传统CV算法与大模型语义理解能力的深度融合，联合识别方案已在测试中展现出更优性能，计划通过短期迭代实现算法效能的突破性升级；另一方面积极探索模型微调与强化学习等技术路径，当前技术验证已取得初步进展，但方法的稳定性与跨场景泛化能力仍需通过多维度测试持续优化，后续将结合验证结果制定渐进式落地方案。
行车卫士智能告警系统的升级，是技术创新道路上的一次重要跨越。相信不远的未来，中移物联能凭借多模态大模型的力量，助力车载安全告警迈向一个全新的精准化时代。
