日本語タイトル#
RAG-LLMs を活用した都市交通シミュレーションと分析
英文タイトル#
Leveraging RAG-LLMs for Urban Mobility Simulation and Analysis
日本語要約#
スマートモビリティと共有電動モビリティサービスの台頭に伴い、多くの先進技術がこの分野に適用されています。 クラウドベースの交通シミュレーションソリューションは急成長しており、進化するモビリティ環境のよりリアルな表現を提供しています。 大規模言語モデル（LLMs）は先駆的なツールとして登場し、インテリジェントな意思決定、ユーザーインタラクション、リアルタイム交通分析など、さまざまなアプリケーションに強力なサポートを提供しています。 ユーザーの電動モビリティに対する需要が継続的に増加する中、包括的なエンドツーエンドソリューションを提供することが重要になっています。 本論文では、クラウドベースの LLM 駆動の共有電動モビリティプラットフォームを提案し、個別のルート推奨を提供するためにモバイルアプリケーションを統合しています。 最適化モジュールは、異なる交通シナリオにおける移動時間とコストに基づいて評価されます。 さらに、異なる評価方法を使用して、さまざまなユーザーに対してスキーマレベルで LLM 駆動の RAG フレームワークが評価されます。 スキーマレベルの RAG は、XiYanSQL を使用したシステムオペレータークエリに対して平均実行精度 0.81、ユーザークエリに対して平均実行精度 0.98 を達成します。
英文要約#
With the rise of smart mobility and shared e-mobility services, numerous advanced technologies have been applied to this field. Cloud-based traffic simulation solutions have flourished, offering increasingly realistic representations of the evolving mobility landscape. LLMs have emerged as pioneering tools, providing robust support for various applications, including intelligent decision-making, user interaction, and real-time traffic analysis. As user demand for e-mobility continues to grow, delivering comprehensive end-to-end solutions has become crucial. In this paper, we present a cloud-based, LLM-powered shared e-mobility platform, integrated with a mobile application for personalized route recommendations. The optimization module is evaluated based on travel time and cost across different traffic scenarios. Additionally, the LLM-powered RAG framework is evaluated at the schema level for different users, using various evaluation methods. Schema-level RAG with XiYanSQL achieves an average execution accuracy of 0.81 on system operator queries and 0.98 on user queries.
PDF 取得#
抖音でスキャンしてさらに素晴らしいコンテンツを見る