PEMANT：基于人格丰富化的多智能体协商旅行
人工智能
2026-04-14 v1
摘要
建模家庭层面的出行生成对于准确的需求预测、交通流估计以及城市系统规划至关重要。现有研究大多基于经典机器学习模型，预测能力有限；而近期的 LLM 方法尚未融入行为理论或家庭内部互动动力学，这两者都是建模真实集体旅行决策的关键。为此，我们提出一种新型 LLM 框架，命名为 Persona-Enriched Multi-Agent Negotiation for Travel (PEMANT)，该框架首先整合行为理论进行个体化人格建模，然后通过结构化多智能体对话进行家庭层面的出行计划协商。具体而言，PEMANT 将静态的人口统计属性转化为连贯的叙事式人格轮廓，显式编码家庭层面的态度、主观规范及感知行为控制，遵循我们提出的 Household-Aware Chain-of-Planned-Behavior (HA-CoPB) 框架。基于这些理论 grounding 的人格，PEMANT 通过结构化双阶段多智能体对话框架捕捉真实世界的家庭决策协商，采用新颖的人格对齐控制机制。我们在国家和区域家庭旅行调查数据集上进行评估，PEMANT 在各数据集上 consistently 超越了最新方法。
引用
@article{arxiv.2604.10475,
title = {PEMANT: Persona-Enriched Multi-Agent Negotiation for Travel},
author = {Yuran Sun and Mustafa Sameen and Yaotian Zhang and Chia-yu Wu and Xilei Zhao},
journal= {arXiv preprint arXiv:2604.10475},
year = {2026}
}