.png){kind=icon}
返回
Network Generation Artificial Intelligence: Multimodal Road Network Generation Based on Large Language Models
.png){kind=icon}
PRE
AI
DOI：10.1177/03611981251357933.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交通仿真对于交通相关研究至关重要，但其应用在道路网络生成方面需要投入大量时间和认知努力。大型语言模型（LLMs）的兴起，因其突出的沟通和逻辑推理能力，为道路网络生成的智能化提供了有前景的途径。然而，LLMs在特定领域知识方面存在不足，尤其是在处理交通领域的复杂问题时。本文提出网络生成人工智能（NGAI）框架，该框架整合了LLMs的推理能力与传统道路网络生成方法，显著提升了交通仿真的智能可操作性。基于多次询问实验，NGAI已被证明能够根据指定参数选择合适的交通网络生成模型（TNGMs）并生成相应内容。在本研究的实验场景中，TNGMs表现出极高的选择准确率，并在详细提示下具有较低的重复调用概率。NGAI的有效应用显著降低了道路网络生成的成本，并优化了用户使用仿真软件的步骤，使交通仿真过程更加简单和智能化。
Keyword:
data and data science
artificial intelligence and advanced computing applications
machine vision
planning and analysis
transportation network modeling
simulation modeling
期刊
T
IF:
1.8
论文数:
876
被引数:
3.4W
机构
引用论文
.png){kind=icon}
分享收藏An Integrated Method for Urban Main-Road Centerline Extraction From Optical Remotely Sensed Imagery
PREAI
分享收藏Receive, Reason, and React: Drive as You Say, With Large Language Models in Autonomous Vehicles接收，推理和反应: 按照您的说法驾驶，在自动驾驶汽车中使用大型语言模型
OAAI
OAAI分享收藏
查看更多内容