TrafficGPT：基于时空智能体框架的多尺度交通分析与生成
机器学习
2024-05-13 v1 人工智能
摘要
多尺度交通的精确预测是城市化进程中车主、道路管理者和政府面临的普遍挑战。在复杂路网情况下，来自上下游道路的当前和过去交通信息至关重要，因为不同路网具有不同的交通语义信息。合理利用语义信息可以实现短期、长期和未知道路的交通预测。随着多尺度交通分析需求的增加，交通参与者期望获得按需交互和可视化功能。我们设计了一个多尺度交通生成系统，即TrafficGPT，使用三个AI智能体来处理多尺度交通数据、进行多尺度交通分析并呈现多尺度可视化结果。TrafficGPT由三个核心AI智能体组成：1) 文本转需求智能体，配备问答AI，与用户交互并通过文本提取预测任务；2) 交通预测智能体，利用多尺度交通数据生成时间特征和相似性，并将其与有限的空间特征和相似性融合，以实现三项任务的准确预测；3) 建议与可视化智能体，利用预测结果生成建议和可视化，为用户提供对交通状况的全面理解。我们的TrafficGPT系统专注于解决交通参与者对交通预测的关切，并在五个真实道路数据集上进行了广泛实验，展示了其卓越的预测和交互性能。
引用
@article{arxiv.2405.05985,
title = {TrafficGPT: Towards Multi-Scale Traffic Analysis and Generation with Spatial-Temporal Agent Framework},
author = {Jinhui Ouyang and Yijie Zhu and Xiang Yuan and Di Wu},
journal= {arXiv preprint arXiv:2405.05985},
year = {2024}
}