基于LLM的交通Agent模拟：评估LLM代理在系统分析中的潜力

基于智能体的建模方法代表了交通需求和交通系统动态建模的最新进展，是交通规划的重要工具。然而，现有的交通领域基于智能体的建模方法依赖于多层次数学模型来模拟旅行行为，面临理论和实际限制。大语言模型（LLM）的出现为交通领域的智能体建模提供了新的机会。拥有卓越推理与规划能力的LLM代理可作为人类旅行者的代理，集成到建模框架中。尽管已有证据表明LLM代理在行为上是合理的，但目前尚无研究从系统层面评估LLM代理驱动的仿真在交通领域的影响和有效性。本文旨在通过在交通系统仿真中设计并集成具有类人旅行者特征的LLM代理，并基于既有基准进行绩效评估来解决此问题。我们以早晨通勤为典型场景，发现不仅代理表现出细致的行为合理性，而且产生的系统动态与标准基准良好吻合。我们的分析首先验证了LLM代理在交通规划中在系统层面具有有效性和潜力。