Towards Explainable Traffic Flow Prediction with Large Language Models

要約

交通予測はインテリジェント交通システムにとって極めて重要である。交通データの潜在的パターンを捉えるディープラーニングの力により、交通予測は大きな進歩を遂げている。しかし、最近のディープラーニングアーキテクチャは複雑なモデル設計を必要とし、入力データから予測結果までのマッピングを直感的に理解することができない。交通予測モデルの精度と説明可能性の両方を達成することは、交通データの複雑さとディープラーニングモデル固有の不透明性のため、依然として課題となっている。これらの課題に取り組むため、我々は説明可能な交通予測を生成するための大規模言語モデル（LLM）に基づく交通流予測モデル（xTP-LLMと命名）を提案する。マルチモーダルな交通データを自然言語記述に変換することで、xTP-LLMは包括的な交通データから複雑な時系列パターンと外部要因を捉える。LLMフレームワークは、空間的・時間的交通流データと整合するように、言語ベースの命令を使って微調整される。経験的に、xTP-LLMはディープラーニングのベースラインと比較して競争力のある精度を示すと同時に、予測に対して直感的で信頼性の高い説明を提供する。本論文は、説明可能な交通予測モデルの進歩に貢献し、交通におけるLLMアプリケーションの将来の探求の基礎を築く。我々の知る限り、これは交通流の説明可能な予測にLLMを用いた最初の研究である。

要約(オリジナル)

Traffic forecasting is crucial for intelligent transportation systems. It has experienced significant advancements thanks to the power of deep learning in capturing latent patterns of traffic data. However, recent deep-learning architectures require intricate model designs and lack an intuitive understanding of the mapping from input data to predicted results. Achieving both accuracy and explainability in traffic prediction models remains a challenge due to the complexity of traffic data and the inherent opacity of deep learning models. To tackle these challenges, we propose a Traffic flow Prediction model based on Large Language Models (LLMs) to generate explainable traffic predictions, named xTP-LLM. By transferring multi-modal traffic data into natural language descriptions, xTP-LLM captures complex time-series patterns and external factors from comprehensive traffic data. The LLM framework is fine-tuned using language-based instructions to align with spatial-temporal traffic flow data. Empirically, xTP-LLM shows competitive accuracy compared with deep learning baselines, while providing an intuitive and reliable explanation for predictions. This paper contributes to advancing explainable traffic prediction models and lays a foundation for future exploration of LLM applications in transportation. To the best of our knowledge, this is the first study to use LLM for explainable prediction of traffic flows.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL