Основные понятия
Große Sprachmodelle können Verkehrsflüsse genau und erklärbar vorhersagen, indem sie multimodale Faktoren als sprachbasierte Eingaben nutzen.
Аннотация
Die Studie präsentiert TP-LLM, ein erklärbares Verkehrsflussvorhersagemodell, das auf großen Sprachmodellen basiert. TP-LLM überführt Verkehrsflussdaten und externe Faktoren wie Wetter, Feiertage und Points of Interest in sprachbasierte Eingaben, um die Vorhersagegenauigkeit zu verbessern und gleichzeitig Erklärungen für die Vorhersagen zu liefern.
Die Kernbeiträge der Studie sind:
- Erstellung eines umfassenden multimodalen Verkehrsfluss-Datensatzes (CATraffic) in Kalifornien, der für zukünftige erklärbare lernbasierte Vorhersagearbeiten verwendet werden kann.
- Entwicklung einer Verkehrsflussvorhersagemethode basierend auf großen Sprachmodellen - TP-LLM, die interpretierbare Vorhersageergebnisse liefert und gleichzeitig eine wettbewerbsfähige Genauigkeit beibehält.
- TP-LLM demonstriert ein sprachbasiertes Format, das Multimodalität berücksichtigt und eine räumlich-zeitliche Ausrichtung bietet, was eine intuitive Sicht ermöglicht und einfach auf verschiedene Stadtvorhersageaufgaben übertragen werden kann.
Статистика
Die Verkehrsflussvolumina in den letzten 12 Stunden betrugen 19, 44, 98, 150.
Die Temperatur beträgt 6,0°C und die Sichtweite 10,0 Meilen.
Heute ist Montag, der 19. Februar 2018, ein Feiertag (Washington's Birthday).
Цитаты
"Große Sprachmodelle bieten einen alternativen Ansatz zum Interpretieren von Vorhersageergebnissen mit größerer Anschaulichkeit."
"Durch die Übertragung von Verkehrsflussdaten und externen Faktoren in natürlichsprachliche Beschreibungen kann diese Beziehung einfach durch Änderung der Eingabe untersucht werden, ohne dass komplexe Merkmalsgestaltung oder Modellanpassungen erforderlich sind."