ChatSUMO：用于自动化城市交通仿真中交通场景生成的大型语言模型
人机交互
2024-09-17 v1 人工智能
计算与语言
摘要
大型语言模型 (LLMs) 能够处理文本、语音、图像和视频等多模态输入与输出，正在改变我们处理信息的方式。除了生成对提示的文本响应外，它们还可以与不同的软件平台集成，为各种应用提供全面的解决方案。在本文中，我们提出了 ChatSUMO，这是一个基于 LLM 的智能体，它集成了语言处理技能，在广泛使用的交通仿真器——城市交通仿真 (SUMO) 中生成抽象和真实的仿真场景。我们的方法首先利用 LLM 处理用户输入，将其转换为运行 Python 脚本所需的相关关键词。这些脚本旨在将指定区域转换为坐标，从 OpenStreetMap 获取数据，将其转换为路网，随后在指定的交通条件下运行 SUMO 仿真。仿真的输出结果再由 LLM 解释，生成信息丰富的比较和总结。用户无需事先具备交通仿真专业知识，即可继续交互并生成各种定制场景。对于仿真生成，我们为奥尔巴尼市创建了一个准确率达 96% 的真实世界仿真。ChatSUMO 还实现了用户对边缘编辑、交通信号灯优化和车辆编辑的有效定制。
引用
@article{arxiv.2409.09040,
title = {ChatSUMO: Large Language Model for Automating Traffic Scenario Generation in Simulation of Urban MObility},
author = {Shuyang Li and Talha Azfar and Ruimin Ke},
journal= {arXiv preprint arXiv:2409.09040},
year = {2024}
}