中文标题#
利用 RAG-LLMs 進行城市交通模擬與分析
英文标题#
Leveraging RAG-LLMs for Urban Mobility Simulation and Analysis
中文摘要#
隨著智能出行和共享電動出行服務的興起，許多先進技術已被應用於這一領域。 基於雲的交通仿真解決方案蓬勃發展，提供了對不斷變化的出行環境越來越真實的表示。 大語言模型（LLMs）已成為先驅工具，為各種應用提供了強大的支持，包括智能決策、用戶互動和實時交通分析。 隨著用戶對電動出行需求的持續增長，提供全面的端到端解決方案變得至關重要。 在本文中，我們提出了一種基於雲的、由大語言模型驅動的共享電動出行平台，並集成了移動應用程序以提供個性化的路線推薦。 優化模塊根據不同交通場景下的行駛時間和成本進行評估。 此外，使用不同的評估方法，在模式級別對基於大語言模型的 RAG 框架進行了評估，針對不同用戶。 模式級別的 RAG 與 XiYanSQL 在系統操作符查詢上的平均執行準確率為 0.81，在用戶查詢上的平均執行準確率為 0.98。
英文摘要#
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 獲取#
抖音掃碼查看更多精彩內容