Traffic Performance GPT (TP-GPT): 基于实时交通数据的智能聊天机器人用于交通监控与管理
多智能体系统
2024-05-07 v1
摘要
交通感知基础设施的数字化显著积累了大量交通数据仓库，这为交通分析带来了前所未有的挑战。大规模多表数据库查询的复杂性需要专业的编程 expertise 和耗时的开发。此外，传统分析方法主要关注数值数据，常常忽视可以增强可解释性和理解的语义层面。此外，实时交通数据访问通常受隐私限制。为弥合这一差距，将大型语言模型(LLM)集成到交通管理领域为解决现代交通系统中固有的复杂性和挑战提供了变革性的方法。本文提出了一种智能在线聊天机器人TP-GPT，用于高效定制化的交通监控和管理，由大型实时交通数据库支持。该创新框架利用语言模型的上下文和生成智能，通过采用交通专业提示词、Chain-of-Thought提示、few-shot学习、多主体协作策略和聊天记忆来生成准确的SQL查询和自然语言解释。实验研究表明，我们的方法在具有挑战性的交通分析基准TransQuery上优于GPT-4和PaLM 2等最先进的基线方法。TP-GPT将帮助研究人员和实践者以隐私保护、公平且可定制的方式进行实时交通监控和管理。
引用
@article{arxiv.2405.03076,
title = {Traffic Performance GPT (TP-GPT): Real-Time Data Informed Intelligent ChatBot for Transportation Surveillance and Management},
author = {Bingzhang Wang and Zhiyu Cai and Muhammad Monjurul Karim and Chenxi Liu and Yinhai Wang},
journal= {arXiv preprint arXiv:2405.03076},
year = {2024}
}
备注
8 pages, 5 figures, submitted to 27th IEEE International Conference on Intelligent Transportation Systems (IEEE ITSC 2024)