LIDSA：面向无信号自主交叉口管理的认知仲裁
人工智能
2026-05-21 v2 计算机与社会
新兴技术
摘要
大型语言模型（LLM）在智能交通系统（ITS）中展现出巨大潜力，尤其是在需要情境推理和多智能体协调的任务中。这些能力使其非常适合协作驾驶，而基于规则的方法在复杂动态交通环境中往往难以应对。由于存在冲突的路权需求、异构车辆优先级以及必须在实时内解决的车辆特定运动学约束，交叉口管理尤其具有挑战性。然而，现有方法通常将LLM用作基于信号系统的辅助组件，而非主要决策者。信号控制器仍然与车辆无关，基于预留的方法缺乏意图感知，而近期基于LLM的系统仍依赖信号基础设施。此外，LLM推理延迟限制了其在亚秒级控制场景中的应用。我们提出LIDSA（基于LLM的意图驱动速度建议），一种用于自主交叉口管理的无信号认知仲裁框架。LIDSA利用LLM对声明的车辆意图进行推理，并结合优先级类别、队列压力和能源偏好。我们在不同交通负荷下，将LIDSA与固定周期控制、SCATS、AIM和GLOSA进行了对比评估。结果表明，LIDSA将平均控制延迟降低了高达89.1%，并在所有非LLM基线方法降至F级服务水平时，仍保持C级服务水平。在接近饱和的需求下，与固定周期控制相比，LIDSA将平均等待时间降低了93%，峰值队列长度降低了60.6%。它还将燃油消耗降低了高达48.8%，并实现了86.2%的意图满足率，而最佳非LLM方法仅为61.2%。这些结果表明，基于LLM的推理能够实现实时的无信号交叉口管理。
引用
@article{arxiv.2605.12321,
title = {LIDSA: Cognitive Arbitration for Signal-Free Autonomous Intersection Management},
author = {Abderrahmane Lakas and Mohamed Amine Ferrag and Merouane Debbah},
journal= {arXiv preprint arXiv:2605.12321},
year = {2026}
}
备注
Renamed LISA to LIDSA to avoid naming ambiguity with existing traffic-control software. No technical changes