跳到正文
arXiv cs.CL· Hongyang Zhang, Boyuan Deng, Siyuan Feng, Kai Chen, Junbo Zhang·· 23 小时前AI 评分31

类型化决策模型何时适用于交通领域?来自出行选择与交通信号控制的证据

When Do Typed Decision Models Work in Transportation? Evidence from Travel Choice and Traffic Signal Control

AI 导读

研究在出行方式选择预测与交通信号控制两类任务中评估了 TypeSafe Jev 和 GPT-6 Luna Decisions 等类型化决策模型。在 Swissmetro 数据集上,其预测准确率低于传统离散选择模型和最强聊天式基线,且表现随输入表示与提问方式大幅波动;闭环信号控制中部分场景具竞争力,但更复杂路网下性能下降。其推理延迟与计算成本低于所评估的聊天式大语言模型。

正文 · AI 翻译

查看 PDF

摘要:类型化决策模型将自然语言理解与结构化接口相结合,该接口返回选定的动作和选项级别的概率分布,而不生成冗长的文本回复。其较低的推理成本和响应延迟使其对具有预定义备选方案的交通问题颇具吸引力。本文研究了其在两个代表性交通任务中的有效性、鲁棒性和效率:个体出行方式选择预测和序列交通信号控制。我们系统地评估了 TypeSafe Jev 和 GPT-6 Luna Decisions,并与传统交通方法、强化学习算法以及四种基于对话的大语言模型进行了对比。在 Swissmetro 数据集上的实验表明,类型化决策模型的预测准确率低于传统离散选择模型和最强的基于对话的基线,同时其性能随输入表示和问题表述方式的不同而显著变化。在闭环交通信号控制实验中,类型化决策模型在若干场景下表现出与成熟控制器相当的性能,但在更具挑战性的网络条件下性能出现下降。此外,与所评估的基于对话的大语言模型相比,类型化模型实现了更低的推理延迟和计算成本,凸显了其在高效、零样本交通决策方面的潜力。总体而言,这些发现既展示了类型化决策模型的潜力,也揭示了其局限性,强调了输入设计、任务特性和鲁棒性评估对于其在交通系统中有效应用的重要性。
评论: 22 页,4 张图
学科: 计算与语言 (cs.CL);人工智能 (cs.AI)
MSC 分类号: 68T50(主)90B20、91B06(次)
ACM 分类号: I.2.7;I.2.8;J.2
引用为: arXiv:2611.22926 [cs.CL]
  (或 arXiv:2611.22926v1 [cs.CL] 为本版本)
  https://doi.org/10.48550/arXiv.2611.22926

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Boyuan Deng [查看邮箱]
[v1] 2026 年 11 月 17 日星期二 15:24:40 UTC(951 KB)

来源:arXiv cs.CL · arxiv.org