Hanlin Sun

LLM被用作代表性代理以实现可扩展的交通建模

研究人员开发了一种新颖的交通建模方法，通过使用代表性代理来利用大型语言模型（LLM）。该方法解决了使用每个旅行者的个体LLM所带来的可扩展性问题和不透明的决策制定。所提出的系统使用单一代表性LLM来处理同质旅行者群体，以维护和更新路线上的混合策略，从而提高可扩展性并稳定学习。该方法在经典的交通分配场景中已证明能快速收敛到用户均衡，并在更复杂的环境中产生稳定、可解释的动态，复制已知的行为模式。