Exploring the Potential of Large Language Models in Public Transportation: San Antonio Case Study

要約

大規模言語モデル (LLM) を公共交通システムに統合すると、都市のモビリティを向上させる変革の機会が生まれます。
この研究では、サンアントニオの交通システムの文脈内で公共交通機関の管理に革命をもたらす LLM の可能性を探ります。
自然言語処理とデータ分析における LLM の機能を活用して、ルート計画を最適化し、待ち時間を短縮し、パーソナライズされた旅行支援を提供する LLM の機能を調査します。
この研究は、General Transit Feed Supplement (GTFS) およびその他の関連データを利用することにより、LLM がどのようにしてリソース割り当てを潜在的に改善し、乗客の満足度を高め、交通運営におけるデータ主導の意思決定に情報を提供できるかを実証することを目的としています。
交通情報を理解し、関連データを取得し、包括的な応答を提供する能力を評価するために、さまざまな ChatGPT モデルの比較分析が実施されました。
この研究の結果は、LLM は公共交通機関にとって大きな可能性を秘めているものの、その可能性を最大限に発揮するには慎重なエンジニアリングと微調整が不可欠であることを示唆しています。
サンアントニオは、他の都市環境における LLM を利用した交通システムの開発を知らせるケーススタディとして機能します。

要約(オリジナル)

The integration of large language models (LLMs) into public transit systems presents a transformative opportunity to enhance urban mobility. This study explores the potential of LLMs to revolutionize public transportation management within the context of San Antonio’s transit system. Leveraging the capabilities of LLMs in natural language processing and data analysis, we investigate their capabilities to optimize route planning, reduce wait times, and provide personalized travel assistance. By utilizing the General Transit Feed Specification (GTFS) and other relevant data, this research aims to demonstrate how LLMs can potentially improve resource allocation, elevate passenger satisfaction, and inform data-driven decision-making in transit operations. A comparative analysis of different ChatGPT models was conducted to assess their ability to understand transportation information, retrieve relevant data, and provide comprehensive responses. Findings from this study suggest that while LLMs hold immense promise for public transit, careful engineering and fine-tuning are essential to realizing their full potential. San Antonio serves as a case study to inform the development of LLM-powered transit systems in other urban environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google