本发明专利技术属于智能交通系统与人工智能交叉技术领域，具体涉及基于大语言模型的交通多智能体仿真决策方法及系统，包括感知层：用于多模态数据融合的时空张量编码器，其将路网状态数据编码为包含通道维度、时间维度及空间维度的三维特征矩阵，并通过混合嵌入模型实现数值型路网数据与文本型事件报告的联合表征；决策层：动态Prompt生成器，基于四层递进式提示结构生成候选方案集；并与决策核心模块协同执行蒙特卡洛树搜索多目标优化；执行层：跨语言通信桥接装置，采用gRPC双向流式通信协议与Protobuf数据序列化方案，实现服务间的毫秒级数据交互，并支持策略注入接口的热插拔机制。本发明专利技术实现城市交通资源配置的动态优化与仿真推演效率的突破性提升。
【技术实现步骤摘要】
本专利技术属于智能交通系统与人工智能交叉，具体涉及基于大语言模型的交通多智能体仿真决策方法及系统。
技术介绍
1、随着城市交通基础设施建设日趋完善，面向城市交通资源精细化配置调控的交通多智能体仿真模型应运而生。该仿真模型通过将现实世界个体在虚拟世界一一对应建模，仿真每个出行者一天的活动和交通出行，并于仿真结束后对每个个体进行打分。进一步，该模型通过随机更改个体的出行方式、出发时间、出行路径等实现个体分数的提高，并最终达到个体最优，实现纳什均衡。虽然随机性的更改丰富了每个个体出行行为多样性，但此方法本质是通过不断试错提升个体得分，并未赋予个体思考能力。该方法核心问题体现在：(1)行为真实性缺陷：随机策略导致个体决策偏差，产生不真实的出行行为，例如步行50km通勤，与实际决策行为脱节；(2)收敛效率瓶颈：该随机策略缺乏明确目标导向，导致收敛速度慢，通常需要300次以上迭代，造成时间和算力资源的浪费；(3)规则适应性局限：打分函数设计依赖人工规则，难以适应动态复杂场景。为此本专利技术提出基于大语言模型的交通多智能体仿真决策方法及系统。
...
【技术保护点】
1.基于大语言模型的交通多智能体仿真决策系统，其特征在于：包括：
2.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述时空张量编码器的通道维度通过以下公式构建：
3.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述动态Prompt生成器还包括：
4.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述执行层集成联邦学习框架，通过差分隐私技术保护用户属性数据，并采用边缘计算节点部署压缩后的TrafficBERT模型，参数规模≤3.7亿。
5.根据权利要求1所...
【技术特征摘要】
1.基于大语言模型的交通多智能体仿真决策系统，其特征在于：包括：
2.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述时空张量编码器的通道维度通过以下公式构建：
3.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述动态prompt生成器还包括：
4.根据权利要求1所述的基于大语言模型的交通多智能体仿真决策系统，其特征在于：所述执行层集成联邦学习框架，通过差分隐私技术保护用户属性数据，并采用边缘计算节点部署压缩后的trafficbert模型，参数规模≤3.7亿。
【专利技术属性】
技术研发人员：汪道歌，周瑞祥，景鹏，
申请(专利权)人：江苏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。