探索大语言模型在公共交通中的潜力: 圣安东尼奥案例研究
机器学习
2025-01-08 v1 人工智能
信息检索
摘要
将大型语言模型(LLM)集成到公共交通系统中 presents a变革性的机会以提升城市 mobility。本研究探索 LLM 在圣安东尼奥交通系统管理中的潜力。利用 LLM 在自然语言处理和数据分析方面的能力,我们研究其优化路线规划、减少等待时间并提供个性化旅行辅助功能。通过利用通用交通 feed 规范(GTFS)和其他相关数据,本研究旨在演示 LLM 如何可能改进资源分配、提升乘客满意度并为交通运营中的数据驱动决策提供支持。对不同 ChatGPT 模型进行比较分析,以评估其理解交通信息、检索相关数据和提供全面响应的能力。本研究的发现表明,尽管 LLM 在公共交通领域拥有巨大潜力,但仍需谨慎的工程和微调才能实现其全部潜力。圣安东尼奥作为案例研究,为开发其他城市环境中的 LLM 驱动交通系统提供了指导。
关键词
引用
@article{arxiv.2501.03904,
title = {Exploring the Potential of Large Language Models in Public Transportation: San Antonio Case Study},
author = {Ramya Jonnala and Gongbo Liang and Jeong Yang and Izzat Alsmadi},
journal= {arXiv preprint arXiv:2501.03904},
year = {2025}
}
备注
This work is accepted to AAAI 2025 Workshop on AI for Urban Planning. arXiv admin note: substantial text overlap with arXiv:2407.11003