PulseAugur
中
实时 09:05:16
English(EN) Generating Individual Travel Diaries Using Large Language Models Informed by Census and Land-Use Data

语言大模型生成逼真出行日记，在出行目的和方式预测方面优于传统方法

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新方法，利用语言大模型（LLMs）为交通建模生成个人出行日记。该方法从美国社区调查和智能位置数据库等开源数据中合成用户画像，然后提示语言大模型创建详细的出行属性，如出行目的、方式和距离。生成的日记与康涅狄格州全州交通研究的真实世界数据进行了比较，使用了综合真实性评分进行评估，显示出与传统方法相当的整体真实性，并在预测出行目的和方式一致性方面表现出色。 AI

影响 这项研究展示了语言大模型在为交通建模等专业领域合成复杂结构化数据的能力，有望减少对专有数据集的依赖。

排序理由 学术论文，详细介绍了使用语言大模型生成合成数据的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

语言大模型生成逼真出行日记，在出行目的和方式预测方面优于传统方法

本文如何被排名

Signal score
15 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了使用语言大模型生成合成数据的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sepehr Golrokh Amin, Devin Rhoads, Fatemeh Fakhrmoosavi, Nicholas E. Lownes, John N. Ivan ·

    使用基于人口普查和土地利用数据的大型语言模型生成个人旅行日记

    arXiv:2509.09710v3 Announce Type: replace-cross Abstract: This study introduces a Large Language Model (LLM) scheme for generating key attributes of travel diaries in agent-based transportation models, including purpose, mode and distance, to assess the underlying viability of LL…

相关实体

相关话题