面向下一代城市决策支持系统：基于大语言模型的 AI 驱动科学本体构建 -- 以优化城市无缝货运运输为例
人工智能
2024-09-10 v3
摘要
人工智能 (AI) 模型的融入正在增多地应用于各种优化系统中。然而，解决复杂的城市和环境管理问题通常需要深入的领域科学与信息学专业知识。这种专业知识对于从数据和仿真中提取信息以支持决策至关重要。在此背景下，我们研究利用预训练的大语言模型 (LLM) 的潜力。通过采用 ChatGPT API 作为推理核心，我们概述了一个集成工作流程，涵盖自然语言处理、基于 methontology 的提示调优以及 transformer 技术。该工作流程自动化了使用现有研究文章和技术手册创建基于情景的本体，面向城市数据集和仿真。我们方法的结果是采用广泛使用的本体语言（如 OWL、RDF、SPARQL）构建的知识图谱。这些图谱通过增强数据和元数据建模、整合复杂数据集、耦合多域仿真模型以及制定决策指标和工作流程，促进了城市决策支持系统的开发。通过将我们的 AI 生成的本体与在流行本体软件（如 prot\'eg\'e）教程中使用的著名意式披萨本体进行比较分析，评估了我们方法的可行性。我们以优化城市多模式货运运输系统的真实案例研究为结尾，通过生成各种领域数据和仿真的本体，支持明智的决策。
引用
@article{arxiv.2405.19255,
title = {Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation},
author = {Jose Tupayachi and Haowen Xu and Olufemi A. Omitaomu and Mustafa Can Camur and Aliza Sharmin and Xueping Li},
journal= {arXiv preprint arXiv:2405.19255},
year = {2024}
}