-
题名城市交通知识增强大语言模型构建及应用探索
- 1
-
-
作者
李健
朱国军
王奥
夏强
周胥君
李毅喆
-
机构
同济大学道路与交通工程教育部重点实验室
同济大学城市交通研究院
-
出处
《城市交通》
2025年第2期1-12,38,共13页
-
基金
上海市科技创新行动计划人工智能科技支撑专项“融合时空知识图谱与深度学习的人类移动行为模式发现及预测方法”(22511104200)。
-
文摘
大语言模型凭借其强大的语义理解和生成能力成为街头巷尾热议的话题。虽然大语言模型在处理通识性问答方面表现出色,但是在涉及复杂决策的行业领域仍普遍存在“幻觉”现象,且在可解释性、可信度等方面问题突出。在梳理国内外研究现状的基础上,从知识图谱与大语言模型融合的思路出发,提出了城市交通知识增强大语言模型系统架构,探索了提示词工程、检索增强生成、模型融合及智能体构建技术,研发了城市交通知识增强大语言模型(TransKG-LLM),并从数据增强、知识增强、模型增强及任务增强等4个维度进行了实践探索。研究结果表明,所提出的模型可以缓解通用大模型的“幻觉”现象,有助于提升城市交通治理能力的科学化、精细化和智能化水平。
-
关键词
城市交通
生成式人工智能
知识增强生成
知识图谱
大语言模型
-
Keywords
urban transportation
generative artificial intelligence
knowledge-augmented generation
knowledge graph
large language model
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
