近日，长安大学未来交通学院智慧城市智能交通团队在交通运输领域国际顶级期刊《IEEE Transactions on Intelligent Transportation Systems》（T-ITS）上发表研究成果。未来交通学院2021级本科生张瑞轩、杨喆普分别为论文第一和第二作者，副教授戴涛为通讯作者。这是该校近年首次由本科生为第一作者在该行业顶级期刊发表的论文。

基于自然语言和基于图像的车辆检索方法流程对比。长安大学供图

  ?

随着城市和交通的数字化程度不断提高，车辆检索技术已成为智能交通系统的重要组成部分。近年来，基于自然语言的车辆检索以其高灵活性和更广阔的应用价值，受到了学术界和工业界的广泛关注。为弥合自然语言和车辆图像之间存在巨大的语义鸿沟，本研究提出了一种新方法，称为“基于多层次对齐聚合语义图与属性增强的自然语言车辆检索方法（MAGAE）”。

MAGAE模型架构示意图。长安大学供图

  ?

MAGAE自然语言车辆检索结果示意图。长安大学供图

  ?

网站截图。

  ?

研究采用大型语言模型（LLMs）和预训练视觉模型提取自然语言和全局视觉的特征嵌入，提出了一种全新用于动态集成车辆局部和全局特征的F-Encoder架构，设计了一种协同注意力学习机制，用于提取并增强车辆属性嵌入的鲁棒性；为弥合视觉与自然语言之间的显著差距，论文引入多层次语义图对齐模块，以有效对多模态数据属性进行聚合和交互。最后，为提高神经网络学习能力，引入学习损失函数，利用多任务学习优点有效提升检索效果，并在国际公开数据集CityFlow-NL上验证了所提出MAGAE算法的有效性。本研究成果为自然语言车辆检索提供了新的研究视角，有助于推动基于大模型的城市交通管理能力与运行效率提升。

论文相关信息：https://doi.org/10.1109/TITS.2025.3566502