热暴露导航：基于视觉语言模型代理的路径规划模拟
计算机视觉与模式识别
2025-03-18 v1
摘要
热暴露显著影响行人路径选择行为。现有方法如基于代理的模型(ABM)和实证测量，未能考虑个体在热应激下的生理差异和环境感知机制，导致缺乏以人为中心、热适应性的路径建议。为此，我们提出一种新型由视觉语言模型(VLM)驱动的 Persona-Perception-Planning-Memory(PPPM) 框架，将街景影像与城市网络拓扑结构相结合，以模拟热适应性行人路径规划。通过对 Gemini-2.0 模型进行结构化提示工程，创建了八种不同对热敏感性的 persona 以建模热暴露下的 mobility 行为，并通过问卷调查进行实证验证。结果表明，模拟输出有效捕捉了 person 之间的差异，与观察到的路径偏好高度显著吻合，突显了代理决策中不同因素的影响。该框架高度成本效益，单次模拟仅需 0.006 美元、耗时 47.81 秒。这种人工智能生成内容(AIGC)方法推动了城市气候适应研究，通过实现热响应 mobility 模式的高分辨率模拟，为气候抗性城市规划提供了可操作性见解。
引用
@article{arxiv.2503.12731,
title = {Navigating Heat Exposure: Simulation of Route Planning Based on Visual Language Model Agents},
author = {Haoran Ma and Kaihan Zhang and Jiannan Cai},
journal= {arXiv preprint arXiv:2503.12731},
year = {2025}
}
备注
10 pages, 6 figures