超越语言:大型语言模型在交通规划中的评估
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
通过对GPT-4在规划子领域中的表现进行全面检查,我们鉴定了大型语言模型在解决规划问题方面的优势和限制,并提出了改进领域特定大型语言模型的思维链能力的方法。这些结果为大语言模型在规划领域的潜在应用提供了宝贵的见解,并为未来的研究克服其限制和拓展其能力铺平了道路。
Sep, 2023
我们提出了TransportationGames,这是一个经过精心设计和全面评估的基准测试,用于评估(多模态)大规模语言模型在交通领域中的性能,并发现尽管某些模型在某些任务中表现良好,但整体上仍有很大的改进空间。我们希望TransportationGames的发布能够成为未来研究的基础,加速(多模态)大规模语言模型在交通领域中的实施和应用。
Jan, 2024
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
TransGPT是一个多模态的大型语言模型,基于不同领域的交通数据,通过提供交通分析、模拟交通现象、回答交通问题、提供交通建议和生成交通报告等功能,推动了交通学领域中自然语言处理技术的发展,为智能交通系统的研究人员和实践者提供了有用工具。
Feb, 2024
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
本研究解决了大型语言模型在交通工程问题中的表现不足,提出了TransportBench基准数据集来评估这些模型的准确性、一致性与推理行为。通过对多个先进模型的分析,我们发现了它们的独特优势与局限性,特别是Claude 3.5 Sonnet在准确性方面表现出色但存在不一致性。这项研究为利用人工通用智能解决复杂交通挑战迈出了激动人心的一步。
Aug, 2024
本研究针对智慧交通系统中城市移动性面临的关键挑战,探讨了大型语言模型和检索增强生成技术的变革潜力。提出了一种概念框架,旨在开发能够智能交互地提供智慧交通服务的多智能体系统,最终促进交通拥堵、事故和碳排放的科学减少,推动城市交通管理的自动化与智能化。
Aug, 2024
本研究针对智能交通系统在城市出行中面临的关键挑战,探讨了大型语言模型(LLM)和检索增强生成(RAG)技术在提升综合出行效率方面的潜力。文章提出了一种概念框架,旨在结合生成AI技术开发智能化、多智能体的出行服务系统,以减少交通拥堵、事故和碳排放,并推动公众参与交通管理。
Aug, 2024