Large Language Models for Synthetic Participatory Planning of Shared Automated Electric Mobility Systems

要約

マルチステークホルダーの状況で急速に進化するモビリティテクノロジーの相乗効果を解き放つことは、都市交通の問題に対処するための独特の課題と機会をもたらします。
この論文では、大規模言語モデル (LLM) を積極的に活用して、共有自動電気モビリティ システム (SAEMS) を計画するために多様な利害関係者を表すデジタル アバターを作成する、新しい総合的参加型手法を紹介します。
これらの調整可能なエージェントは、協力して目標を特定し、SAEMS の代替案を構想および評価し、リスクと制約の下で実装の戦略を立てます。
モントリオールのケーススタディの結果は、構造化されパラメータ化されたワークフローにより、単一の LLM 対応エキスパート エージェントを使用して生成されるものよりも、SAEMS プランに関して高い制御性と包括性を備えた出力が提供されることを示しています。
したがって、このアプローチは、多目的交通計画の包括性と解釈可能性をコスト効率よく改善するための有望な手段を提供し、持続可能で公平な交通システムを構想し戦略を立てる方法におけるパラダイムシフトを示唆しています。

要約(オリジナル)

Unleashing the synergies of rapidly evolving mobility technologies in a multi-stakeholder landscape presents unique challenges and opportunities for addressing urban transportation problems. This paper introduces a novel synthetic participatory method, critically leveraging large language models (LLMs) to create digital avatars representing diverse stakeholders to plan shared automated electric mobility systems (SAEMS). These calibratable agents collaboratively identify objectives, envision and evaluate SAEMS alternatives, and strategize implementation under risks and constraints. The results of a Montreal case study indicate that a structured and parameterized workflow provides outputs with high controllability and comprehensiveness on an SAEMS plan than generated using a single LLM-enabled expert agent. Consequently, the approach provides a promising avenue for cost-efficiently improving the inclusivity and interpretability of multi-objective transportation planning, suggesting a paradigm shift in how we envision and strategize for sustainable and equitable transportation systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google