Bài báo này khảo sát các xu hướng nghiên cứu gần đây về phát hiện va chạm dựa trên video trong các hệ thống giao thông thông minh. Với sự tiến bộ của các mô hình ngôn ngữ quy mô lớn (LLM) và mô hình ngôn ngữ thị giác (VLM), xử lý thông tin đa phương thức, suy luận và tóm tắt đang thay đổi. Bài báo này xem xét các phương pháp tiên tiến tận dụng LLM để phát hiện va chạm bằng dữ liệu video. Cụ thể, chúng tôi trình bày một hệ thống phân loại các chiến lược hợp nhất khác nhau, tóm tắt các tập dữ liệu chính, phân tích kiến trúc mô hình, so sánh các chuẩn hiệu suất và thảo luận về những thách thức và cơ hội hiện tại, tạo nền tảng cho các nghiên cứu trong tương lai trong lĩnh vực liên ngành đang phát triển nhanh chóng về hiểu biết video và các mô hình nền tảng.
