論文の概要: Data on the Move: Traffic-Oriented Data Trading Platform Powered by AI Agent with Common Sense
- arxiv url: http://arxiv.org/abs/2407.00995v1
- Date: Mon, 1 Jul 2024 06:17:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-04 00:36:18.683156
- Title: Data on the Move: Traffic-Oriented Data Trading Platform Powered by AI Agent with Common Sense
- Title(参考訳): 移動に関するデータ:コモンセンスを持つAIエージェントによって駆動されるトラフィック指向データトレーディングプラットフォーム
- Authors: Yi Yu, Shengyue Yao, Tianchen Zhou, Yexuan Fu, Jingru Yu, Ding Wang, Xuhong Wang, Cen Chen, Yilun Lin,
- Abstract要約: 私たちはData on The Move(DTM)というトラフィック指向のデータトレーディングプラットフォームを導入しました。
DTMはトラフィックシミュレーション、データトレーディング、AIエージェントを統合する。
提案するAIエージェントベースの価格設定手法は,合理的な価格を提供することでデータトレーディングを強化する。
- 参考スコア(独自算出の注目度): 21.398890792164703
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the digital era, data has become a pivotal asset, advancing technologies such as autonomous driving. Despite this, data trading faces challenges like the absence of robust pricing methods and the lack of trustworthy trading mechanisms. To address these challenges, we introduce a traffic-oriented data trading platform named Data on The Move (DTM), integrating traffic simulation, data trading, and Artificial Intelligent (AI) agents. The DTM platform supports evident-based data value evaluation and AI-based trading mechanisms. Leveraging the common sense capabilities of Large Language Models (LLMs) to assess traffic state and data value, DTM can determine reasonable traffic data pricing through multi-round interaction and simulations. Moreover, DTM provides a pricing method validation by simulating traffic systems, multi-agent interactions, and the heterogeneity and irrational behaviors of individuals in the trading market. Within the DTM platform, entities such as connected vehicles and traffic light controllers could engage in information collecting, data pricing, trading, and decision-making. Simulation results demonstrate that our proposed AI agent-based pricing approach enhances data trading by offering rational prices, as evidenced by the observed improvement in traffic efficiency. This underscores the effectiveness and practical value of DTM, offering new perspectives for the evolution of data markets and smart cities. To the best of our knowledge, this is the first study employing LLMs in data pricing and a pioneering data trading practice in the field of intelligent vehicles and smart cities.
- Abstract(参考訳): デジタル時代には、データは重要な資産となり、自動運転などの技術が進歩している。
それにもかかわらず、データトレーディングは堅牢な価格設定方法の欠如や信頼できるトレーディングメカニズムの欠如といった課題に直面している。
これらの課題に対処するために、トラフィックシミュレーション、データトレーディング、AIエージェントを統合する、Data on The Move (DTM)と呼ばれるトラフィック指向のデータトレーディングプラットフォームを導入する。
DTMプラットフォームは、明白なデータ価値評価とAIベースのトレーディングメカニズムをサポートする。
LLM(Large Language Models)の共通感覚機能を利用して、トラフィックの状態とデータ値を評価することで、DTMはマルチラウンドのインタラクションとシミュレーションを通じて、合理的なトラフィックデータ価格を決定することができる。
さらに、DTMは、交通システム、マルチエージェントインタラクション、および取引市場における個人の不均一性と不合理な振る舞いをシミュレートすることで、価格法検証を提供する。
DTMプラットフォーム内では、コネクテッドカーやトラヒックライトコントローラといったエンティティが情報収集、データ価格、トレーディング、意思決定に従事している。
シミュレーションの結果,提案したAIエージェントベースの価格設定手法は,交通効率の向上が示すように,合理的な価格を提供することでデータトレーディングの促進を図っている。
これはDTMの有効性と実用性を強調し、データ市場とスマートシティの進化に対する新たな視点を提供する。
我々の知る限りでは、LLMをデータ価格に採用する最初の研究であり、インテリジェントな車やスマートシティの分野におけるデータトレーディングの先駆的な実践である。
関連論文リスト
- An Approach to Systematic Data Acquisition and Data-Driven Simulation for the Safety Testing of Automated Driving Functions [32.37902846268263]
オープンワールド」の安全性への影響に関連する研究開発分野では、シミュレーションのパラメータ化や検証を行うための実世界のデータが著しく不足している。
本稿では、異種な方法で公共交通のデータを体系的に取得し、それらを統一表現に変換し、自動運転機能のデータ駆動仮想検証に使用する交通行動モデルを自動的にパラメータ化する手法を提案する。
論文 参考訳(メタデータ) (2024-05-02T23:24:27Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳(メタデータ) (2024-03-29T14:58:28Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-11-22T22:15:17Z) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳(メタデータ) (2023-03-07T18:28:41Z) - Generative AI-empowered Simulation for Autonomous Driving in Vehicular
Mixed Reality Metaverses [130.15554653948897]
車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。
現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。
生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-16T16:54:10Z) - Economics of Semantic Communication System: An Auction Approach [104.5073660840678]
エッジデバイスはセマンティックモデル取引と呼ばれるセマンティックモデル提供者からセマンティックモデルを購入することができる
本稿では,セマンティックモデル取引とセマンティック情報取引を協調的に支援する階層的取引システムを提案する。
論文 参考訳(メタデータ) (2022-08-02T03:30:56Z) - Offline Reinforcement Learning for Road Traffic Control [12.251816544079306]
モデルベースの学習フレームワークであるA-DACを構築し、データ不確実性に対処するために、悲観的なコストを組み込んだデータセットからマルコフ決定プロセス(MDP)を推論する。
A-DACは、サイズやバッチ収集ポリシーによって異なる複数のデータセットを用いて、複雑な信号化ラウンドアバウトで評価される。
論文 参考訳(メタデータ) (2022-01-07T09:55:21Z) - A Marketplace for Trading AI Models based on Blockchain and Incentives
for IoT Data [24.847898465750667]
機械学習(ML)の新たなパラダイムは、学習モデルを異種エージェントのグループに部分的に配信するフェデレートされたアプローチであり、エージェントは自身のデータでモデルをローカルにトレーニングすることができる。
モデルの評価の問題や、協調トレーニングやデータ/モデルの取引に対するインセンティブの問題は、文献において限られた扱いを受けてきた。
本稿では、信頼されたMLベースのネットワーク上でのMLモデルトレーディングの新しいエコシステムを提案する。買い手はML市場から関心のモデルを取得することができ、興味のある売り手はそのモデルの品質を高めるためにローカルな計算に費やす。
論文 参考訳(メタデータ) (2021-12-06T08:52:42Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳(メタデータ) (2021-04-07T14:31:08Z) - From Data to Actions in Intelligent Transportation Systems: a
Prescription of Functional Requirements for Model Actionability [10.27718355111707]
この研究は、多種多様なソースから得られたデータが、その資産やシステム、プロセスの効率的な運用のために、データ駆動モデルを学び、適応するためにどのように使用できるかを説明することを目的としている。
ITSのデータモデリングパイプラインでは、データ融合、適応学習、モデル評価という3つの複合ステージに対して、特性、エンジニアリング要件、本質的な課題を定義します。
論文 参考訳(メタデータ) (2020-02-06T12:02:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。