基于检索增强大语言模型的有限信息下带家庭协调活动的人类 mobility 模型
人工智能
2025-07-03 v2 社会与信息网络
摘要
理解人类 mobility 模式一直是交通建模中的一个具有挑战性的任务。由于难以获取不同地区的高质量训练数据集，传统的基于活动的模型和基于学习的人类 mobility 模型方法在数据可得性和质量方面受到限制。当前方法主要关注空间-时间模式，而忽略了诸如逻辑连接或活动之间的依赖关系，以及类似于联合购物或家庭用餐时间这样的家庭协调活动，这些都是实现真实 mobility 模型所必需的。我们提出了一种检索增强型大语言模型(LLM)框架，通过仅使用公开可访问的统计和社会人口统计信息生成带有家庭协调活动的活动链，减少对复杂 mobility 数据的需求。检索增强机制实现了家庭协调并在生成模式之间保持统计一致性，解决了现有方法中的关键缺口。我们的验证使用NHTS和SCAG-ABM数据集表明该方法有效地实现了 mobility 合成，并在 mobility 数据可获得性有限的地区具有很强的适应性。
引用
@article{arxiv.2409.17495,
title = {Human Mobility Modeling with Household Coordination Activities under Limited Information via Retrieval-Augmented LLMs},
author = {Yifan Liu and Xishun Liao and Haoxuan Ma and Brian Yueshuai He and Chris Stanford and Jiaqi Ma},
journal= {arXiv preprint arXiv:2409.17495},
year = {2025}
}