面向多模态交通系统的生成式智能体建模真实人类行为：软件架构与法国塔布斯案例

建模真实人类行为以理解人们的模式选择，以提出个人化的 mobility 解决方案 remains challenging。本文为建模复杂多模态交通系统中的真实人类 mobility 行为提供了一种架构，并通过法国塔布斯的案例研究进行演示。我们将大型语言模型（LLM）应用于基于代理的仿真，以捕捉真实城市环境中的决策过程。该框架将 GAMA 仿真平台与 LLM 基于生成的智能体集成，以及用于公共交通的通用出租车 Feed Specification（GTFS）数据，和用于多模态路线规划的 OpenTripPlanner。GAMA 平台模型化交互式交通环境，提供可视化和动态智能体交互，消除从头构建仿真环境的需求。这种设计使我们能够更专注于开发生成式智能体并评估其在交通决策过程中的性能。在模拟的一个月时间里，结果表明智能体不仅做出了上下文感知的交通决策，而且会随时间形成习惯。我们指出，将 LLM 与基于代理的仿真结合为 advancing intelligent transportation systems and personalized multimodal mobility solutions 指出了一个有前景的方向。我们还讨论了该方法的一些局限性，并概述了在更大区域扩展、集成实时数据以及细化记忆模型方面的未来工作。