独立移动GPT(IDM-GPT)：一种基于大型语言模型的自监督多智能体框架用于定制化交通 mobility 分析
人工智能
2025-03-05 v2 计算机与社会
摘要
随着城市化进程的推进，越来越多的传感器被部署在交通系统中，导致大数据的爆炸式增长。为了充分利用这批庞大的交通数据，各种机器学习(ML)和人工智能(AI)方法被引入以解决诸多交通挑战。然而，这些方法通常需要在数据收集、处理、存储方面进行大量投入，以及雇佣具有交通和ML专业知识的专业人员。此外，处理用于实际交通控制和管理的数据时，隐私问题是一个主要关切。为了应对这些挑战，研究团队提出了一种创新的多智能体框架，称为独立移动GPT(IDM-GPT)，该框架基于大型语言模型(LLM)用于定制化交通分析、管理建议和隐私保护。IDM-GPT经济高效地连接用户、交通数据库和机器学习模型。IDM-GPT训练、定制和应用各种基于LLM的AI智能体，用于多个功能，包括用户查询理解、提示优化、数据分析、模型选择和性能评估与增强。通过IDM-GPT，没有交通或ML背景的用户可以基于他们的问题，在近实时内高效、直观地获得数据分析和定制化建议。实验结果表明，IDM-GPT在多个与交通相关的任务中提供了令人满意的性能，提供全面且可操作的见解，以支持有效的交通管理和城市 mobility 改进。
引用
@article{arxiv.2502.18652,
title = {Independent Mobility GPT (IDM-GPT): A Self-Supervised Multi-Agent Large Language Model Framework for Customized Traffic Mobility Analysis Using Machine Learning Models},
author = {Fengze Yang and Xiaoyue Cathy Liu and Lingjiu Lu and Bingzhang Wang and Chenxi Dylan Liu},
journal= {arXiv preprint arXiv:2502.18652},
year = {2025}
}
备注
24 pages, 4 figures, TRR accepted