Aug, 2024

利用大型语言模型（LLMs）进行城市交叉口的交通管理：混合交通场景的案例

HTML
PDF
TL;DR本研究针对城市交通管理中实时适应能力不足的问题，探索了大型语言模型（LLM），尤其是GPT-4o-mini在城市交叉口交通管理中的应用。研究表明，LLM能够通过实时分析，提高交通效率和安全性，尤其在重交通、拥堵和混合速度条件下表现出色，显示出在复杂场景中有效管理交通冲突的潜力。
发现论文，激发创造
  • ChatGPT即将来临：大语言模型是智能交通所需的全部吗？

    本文探讨大型语言模型在智能交通系统中的未来应用，介绍了交通数据的不同模态的处理和LLM的运行方式。此外也提供了智能手机崩溃报告自动生成和分析框架作为应用案例。虽然具有潜在优势，但数据隐私、数据质量和模型偏差等挑战需予以考虑。

    Mar, 2023

  • TrafficGPT：查看、处理和交互交通基础模型

    通过将ChatGPT和交通基础模型相结合，TrafficGPT在交通管理领域中不仅推动了交通管理的进步，也为在该领域利用人工智能能力提供了一种新的方法。

    Sep, 2023

  • 自主驾驶决策中大型语言模型的评估

    利用大型语言模型（LLM）在自动驾驶中的相关能力进行定量研究，评估了LLM在空间识别、空间感知决策和遵守交通规则方面的准确性，并开发了一个使用LLM驾驶车辆的系统来验证其可行性。

    Dec, 2023

  • 大型语言模型作为交通信号控制代理: 容量和机会

    LLMLight通过利用大型语言模型（LLMs）进行交通信号控制任务，实现了人类般的决策过程，确保道路网络的最优效率。

    Dec, 2023

  • 智能交通系统中前沿人工智能、基础模型和大语言模型应用的调查

    该综述论文探讨了前沿人工智能、大型语言模型和基础模型在智能交通系统领域的转型影响，强调它们在推进交通智能化、优化交通管理和实现智慧城市方面的重要作用。

    Jan, 2024

  • LLM辅助光：利用大型语言模型能力进行复杂城市环境下人类仿真交通信号控制

    本研究介绍了一种创新方法，将大型语言模型（LLMs）与交通信号控制系统相结合，提供先进的推理和决策能力，以应对都市交通流量的复杂性和变动性。通过在感知和决策工具套件中引入LLMs，并将其放置在决策过程的核心位置，以结合外部交通数据和现有的交通信号控制方法，该方法在多种交通环境下表现出无需额外训练即可适应的高效性。在传感器故障情况下，相比传统基于强化学习（RL）的系统，该方法减少了平均等待时间20.4%。本研究的进展为交通信号控制策略带来重大突破，并为将LLMs整合到真实、动态场景中铺平了道路，突显其革命性改变交通管理的潜力。

    Mar, 2024

  • 可解释的大语言模型交通流预测

    这项研究介绍了一种基于TP-LLM的可解释交通预测方法，通过将多模态因素作为语言输入统一起来，避免了复杂的时空数据编程，证明了大语言模型在交通预测方面的潜力。

    Apr, 2024

  • 交通系统中的大型语言模型：关于预测任务的调查

    使用大型语言模型(LLM)对移动性预测问题进行综述，介绍了在交通系统内使用LLM的应用、最新进展以及需要克服的挑战。

    May, 2024

  • 在公共交通系统中使用大型语言模型，以圣安东尼奥为案例研究

    本研究通过对大型语言模型在公共交通系统中的整合对城市交通管理和乘客体验进行了重大突破的研究。通过利用自然语言处理、数据分析和实时通信的能力，利用GTFS和其他公共交通信息，研究突出了大型语言模型在优化路线规划、减少等待时间和提供个性化旅行帮助方面的潜力。我们的案例研究是圣安东尼奥市的一部分项目，旨在展示大型语言模型如何优化资源分配、提高乘客满意度并支持交通管理决策过程。我们评估了大型语言模型对信息检索和理解相关问题的回答。最终，我们认为在公共交通系统中采用大型语言模型可以实现更高效、响应更及时、用户友好的交通网络，为其他城市搭建了一个模型。

    Jun, 2024

  • 利用大型语言模型的连锁思维与提示工程进行交通事故严重性分析与推断

    本研究针对交通事故严重性分析中的信息缺失问题，利用三种先进的大型语言模型进行事故严重性推断，提出了一种将连锁思维（CoT）与领域知识相结合的文本生成方法。研究发现，LLaMA3-70B模型在零样本推断中表现最优，同时CoT和提示工程显著提升了逻辑推理能力，为事故严重性分析提供了更全面的视角。

    Aug, 2024