GenFollower：利用大语言模型增强车流跟随预测
人工智能
2024-07-09 v1
摘要
准确建模车流跟随行为对于各种交通管理和自动驾驶系统应用至关重要。然而，当前方法常常受数据质量高敏感性和缺乏可解释性的限制。本研究提出 GenFollower，一种 novel zero-shot prompting 方法，利用大语言模型 (LLM) 来解决这些挑战。我们将车流跟随行为重新定义为语言建模问题，并将异构输入整合到结构化提示中供 LLM 使用。该方法在预测性能和可解释性方面优于传统基线模型。在 Waymo Open 数据集上的实验表明，GenFollower 在性能和提供对影响车流跟随行为因素的可解释见解方面具有优势。这一工作推动了对车流跟随行为的理解和预测，为增强交通管理和自动驾驶系统提供了可能。
引用
@article{arxiv.2407.05611,
title = {GenFollower: Enhancing Car-Following Prediction with Large Language Models},
author = {Xianda Chen and Mingxing Peng and PakHin Tiu and Yuanfei Wu and Junjie Chen and Meixin Zhu and Xinhu Zheng},
journal= {arXiv preprint arXiv:2407.05611},
year = {2024}
}