TrafficGPT：面向交通基础模型的查看、处理与交互
人工智能
2023-09-14 v1 人机交互
摘要
随着 chatgpt 对公众的推广，大语言模型（LLM）确实展示了显著的常识、推理与规划技能，频繁提供有洞察的指导。这些能力在应用于城市交通管理与控制方面具有重要前景。然而，LLM 难以解决交通问题，尤其是处理数值数据以及与仿真交互，限制了其在解决交通相关挑战中的潜力。与此同时，专门的交通基础模型存在，但通常为特定任务设计，输入输出交互有限。将这些模型与 LLM 结合，提供了增强其应对复杂交通相关问题并提供洞察建议的机会。为弥补这一差距，我们提出 TrafficGPT，一种 ChatGPT 与交通基础模型的融合。该集成带来以下关键增强：1）赋予 ChatGPT 查看、分析、处理交通数据的能力，并为城市交通系统管理提供洞察的决策支持；2）促进广泛复杂任务的智能解构与交通基础模型的顺序利用以逐步完成；3）通过自然语言对话辅助人类进行交通控制决策；4）实现交互式反馈与修订结果征询。通过无缝交织大语言模型与交通专业知识，TrafficGPT 不仅推进了交通管理，也为在该领域利用 AI 能力提供了新方法。TrafficGPT 演示可在 https://github.com/lijlansg/TrafficGPT.git 找到。
引用
@article{arxiv.2309.06719,
title = {TrafficGPT: Viewing, Processing and Interacting with Traffic Foundation Models},
author = {Siyao Zhang and Daocheng Fu and Zhao Zhang and Bin Yu and Pinlong Cai},
journal= {arXiv preprint arXiv:2309.06719},
year = {2023}
}