利用生成式人工智能的自动化交通事故响应方案：第一部分——构建事故响应基准

交通事故仍然是全球范围内的重大公共安全问题，澳大利亚2024年记录了1300例道路死亡，为12年来最高。同样，美国每年报告约600万起碰撞事件，在快速响应时间和运行管理方面带来了重大挑战。传统响应协议依赖人工决策，在每分钟都影响安全结果和网络性能的关键时刻，可能引入不一致性和延迟。为解决这一问题，我们提出了一种新型事故响应基准，利用生成式人工智能自动为新发交通事故生成响应方案。我们的方法旨在通过建议情境适配的措施——如可变信息标志部署、车道封闭和应急资源调配——来显著缩短事故解决时间。首先，所提出的方法使用来自性能测量系统（PeMS）的真实事故报告作为训练和评估数据。我们从这些报告中提取历史上已实施的措施，并将其与AI生成的响应方案进行比较，后者建议具体措施，如车道封闭、可变信息标志发布和/或派遣适当的应急资源。其次，模型评估显示，像GPT-4o和Grok 2这样的先进生成式AI模型与专家方案实现了更优的对齐，表现为最小化的汉明距离（平均2.96-2.98）和较低的加权差异（约0.27-0.28）。相反，虽然Gemini 1.5 Pro记录的遗漏措施数量最低，但其不必要的措施数量极高（1547例，而GPT-4o为225例），表明存在过度触发策略，降低了整体方案效率。