TrafficRAG：面向交通事故责任认定的多模态RAG框架

交通事故责任分析是智能交通和法律援助领域一项关键而又具有挑战性的任务。现有方法常常存在效率低、判断主观性强、分析结果不一致等问题。同时，大型语言模型受到嘈杂的视频输入和法律领域知识不足的限制。为了解决这些问题，这项工作提出了 TrafficRAG，这是一个用于自动交通事故分析和报告生成的多模态检索增强框架。具体来说，所提出的框架首先采用视觉语言模型来生成事故场景的结构化文本描述，作为准确的检索查询。基于这些文本查询，采用结合BM25稀疏检索和密集嵌入检索的混合检索策略来获取相关交通法规和相似的历史案例。最后，大语言模型结合检索到的法律知识和多模态事故证据进行综合推理，生成标准化、有法律依据的责任分析报告。大量实验表明，TrafficRAG 始终优于基线方法，实现了 77.32% 的法律规范适应准确性、81.71% 的事实忠实度和 5.48% 的负债率 MAE。研究结果验证了通过检索增强将多模态事实证据与法律条款相结合可以有效提高交通事故责任认定的可靠性和准确性。