Safety4DM：面向车路云协同驾驶中风险感知动态地图的视觉语言框架

动态地图（DM）是车路云（VRC）协同自动驾驶的核心信息基础设施。它融合多源感知数据，以克服单车感知固有的视距和视野限制。然而，DM 在驾驶安全方面仍存在两点不足。首先，DM 数据规范已从语义层面对道路状况进行了定义，但尚无处理流程能将真实世界的道路观测转化为 DM 中的细粒度风险实体。其次，现有 DM 系统缺乏面向驾驶风险的自然语言接口。为弥补这些不足，我们提出 Safety4DM，这是一种面向 VRC 动态地图的安全导向语言系统。我们首先构建了 RoadRisk，这是一个真实世界道路图像数据集，涵盖四类道路状况和四个风险等级。基于该数据集，我们对视觉语言模型（VLM）进行微调，使其具备道路安全风险感知能力。该模型输出可由 DM 直接接收的结构化风险表示。随后，我们引入安全感知逐步提示（SafeStep）机制，作为 DM 的自然语言查询接口。SafeStep 能够准确回答查询，并生成可执行的驾驶建议。为构建和评估这一接口，我们开发了 VRC 协同仿真框架 SafeVRC-Sim，以及安全问答基准 SafeDM-QA。实验表明，即使是小型模型 Qwen3-VL-4B，在微调后也能达到 89.83% 的风险感知准确率。SafeStep 还可轻松接入多个大语言模型系列。在来自五个系列的中大型模型（参数量为 200 亿及以上）上，其自然语言查询准确率均超过 93%，展现出较强的泛化能力。