Toward LLM-Agent-Based Modeling of Transportation Systems: A Conceptual Framework

要約

交通システムの需要モデリングとシミュレーションでは、エージェントベースのモデルとマイクロシミュレーションが現在の最先端のアプローチです。
ただし、既存のエージェントベースのモデルには、行動の現実性とリソース需要に関して依然としていくつかの制限があり、その適用性が制限されています。
この研究では、大規模言語モデル (LLM) と LLM ベースのエージェントの新興テクノロジーを活用して、交通システムのための一般的な LLM エージェントベースのモデリング フレームワークを提案します。
私たちは、LLM エージェントはエージェントとして機能するために不可欠な機能を備えているだけでなく、既存のエージェントベースのモデルのいくつかの制限を克服する有望なソリューションも提供すると主張します。
私たちの概念的なフレームワーク設計は、交通ネットワーク内での人間の旅行者の意思決定と相互作用のプロセスと特性を厳密に再現しており、関連する研究とLLMの実証例を使用して、提案されたシステムが意思決定と学習行動の重要な行動基準を満たすことができることを実証します。
ボトルネック設定におけるエージェントの学習と調整。
LLM エージェント ベースのモデリング フレームワークをさらに改良する必要がありますが、このアプローチには交通システムのモデリングとシミュレーションを改善できる可能性があると考えられます。

要約(オリジナル)

In transportation system demand modeling and simulation, agent-based models and microsimulations are current state-of-the-art approaches. However, existing agent-based models still have some limitations on behavioral realism and resource demand that limit their applicability. In this study, leveraging the emerging technology of large language models (LLMs) and LLM-based agents, we propose a general LLM-agent-based modeling framework for transportation systems. We argue that LLM agents not only possess the essential capabilities to function as agents but also offer promising solutions to overcome some limitations of existing agent-based models. Our conceptual framework design closely replicates the decision-making and interaction processes and traits of human travelers within transportation networks, and we demonstrate that the proposed systems can meet critical behavioral criteria for decision-making and learning behaviors using related studies and a demonstrative example of LLM agents’ learning and adjustment in the bottleneck setting. Although further refinement of the LLM-agent-based modeling framework is necessary, we believe that this approach has the potential to improve transportation system modeling and simulation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google