論文の概要: Generative AI in Transportation Planning: A Survey

• arxiv url: http://arxiv.org/abs/2503.07158v3
• Date: Fri, 14 Mar 2025 06:56:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-17 13:07:51.416707
• Title: Generative AI in Transportation Planning: A Survey
• Title（参考訳）: 交通計画におけるジェネレーティブAI:サーベイ
• Authors: Longchao Da, Tiejin Chen, Zhuoheng Li, Shreyas Bachiraju, Huaiyuan Yao, Li Li, Xiyang Hu, Zhengzhong Tu, Yue Zhao, Dongjie Wang, Xuanyu, Zhou, Ram Pendyala, Benjamin Stabler, Yezhou Yang, Xuesong Zhou, Hua Wei,
• Abstract要約: 我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
• 参考スコア（独自算出の注目度）: 44.57047798632734
• License:
• Abstract: The integration of generative artificial intelligence (GenAI) into transportation planning has the potential to revolutionize tasks such as demand forecasting, infrastructure design, policy evaluation, and traffic simulation. However, there is a critical need for a systematic framework to guide the adoption of GenAI in this interdisciplinary domain. In this survey, we, a multidisciplinary team of researchers spanning computer science and transportation engineering, present the first comprehensive framework for leveraging GenAI in transportation planning. Specifically, we introduce a new taxonomy that categorizes existing applications and methodologies into two perspectives: transportation planning tasks and computational techniques. From the transportation planning perspective, we examine the role of GenAI in automating descriptive, predictive, generative, simulation, and explainable tasks to enhance mobility systems. From the computational perspective, we detail advancements in data preparation, domain-specific fine-tuning, and inference strategies, such as retrieval-augmented generation and zero-shot learning tailored to transportation applications. Additionally, we address critical challenges, including data scarcity, explainability, bias mitigation, and the development of domain-specific evaluation frameworks that align with transportation goals like sustainability, equity, and system efficiency. This survey aims to bridge the gap between traditional transportation planning methodologies and modern AI techniques, fostering collaboration and innovation. By addressing these challenges and opportunities, we seek to inspire future research that ensures ethical, equitable, and impactful use of generative AI in transportation planning.
• Abstract（参考訳）: 生成人工知能(GenAI)の交通計画への統合は、需要予測、インフラ設計、政策評価、交通シミュレーションといったタスクに革命をもたらす可能性がある。 しかし、この学際分野におけるGenAIの採用を導くための体系的なフレームワークが不可欠である。 本調査では,計算機科学と輸送工学を対象とする多分野の研究チームが,交通計画におけるGenAI活用のための総合的な枠組みを提示する。 具体的には,既存のアプリケーションと方法論を,輸送計画タスクと計算手法の2つの視点に分類する新たな分類法を提案する。 交通計画の観点から、我々は、モビリティシステムを強化するための記述的、予測的、生成的、シミュレーション、説明可能なタスクの自動化におけるGenAIの役割について検討する。 計算の観点からは,データ準備の進歩,ドメイン固有の微調整,検索強化生成やゼロショット学習などの推論戦略を,輸送用途に合わせて詳細に述べる。 さらに、データの不足、説明可能性、バイアス軽減、持続可能性、エクイティ、システム効率といった輸送目標に沿ったドメイン固有の評価フレームワークの開発など、重要な課題に対処する。 この調査は、従来の交通計画手法と現代のAI技術とのギャップを埋め、コラボレーションとイノベーションを促進することを目的としている。 これらの課題と機会に対処することで、私たちは、交通計画における倫理的、公平、そして影響のあるAIの使用を保証する将来の研究を刺激したいと考えている。

関連論文リスト

• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Beyond Words: Evaluating Large Language Models in Transportation Planning [0.0]
  本研究では,大規模言語モデル(LLM),特にGPT-4とPhi-3-miniの評価を行い,交通計画の充実を図る。 この結果は、都市交通計画におけるGenAI技術の変革の可能性を示している。
  論文  参考訳（メタデータ） (2024-09-22T16:20:00Z)
• GenAI-powered Multi-Agent Paradigm for Smart Urban Mobility: Opportunities and Challenges for Integrating Large Language Models (LLMs) and Retrieval-Augmented Generation (RAG) with Intelligent Transportation Systems [10.310791311301962]
  本稿では,大規模言語モデル (LLM) と新生検索・拡張生成技術 (RAG) の変換可能性について検討する。 本稿では,スマートモビリティサービスをインテリジェントかつ対話的に提供可能なマルチエージェントシステムの開発を目的とした概念的フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-31T16:14:42Z)
• Generative Models and Connected and Automated Vehicles: A Survey in Exploring the Intersection of Transportation and AI [0.0]
  本報告は、CAV(Connected and Automated Vehicles)とジェネレーティブモデルの歴史と影響について考察する。 この研究は、CAVの文脈における生成モデルの適用に焦点を当て、この統合が自動運転車における予測モデリング、シミュレーション精度、意思決定プロセスをどのように強化するかを明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2024-03-14T06:51:26Z)
• Automated Process Planning Based on a Semantic Capability Model and SMT [50.76251195257306]
  製造システムと自律ロボットの研究において、機械で解釈可能なシステム機能の仕様に「能力」という用語が用いられる。 セマンティック能力モデルから始めて、AI計画問題を自動的に生成するアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-14T10:37:34Z)
• A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective [7.770651543578893]
  我々は、異なる生成AI技術の原則を紹介する。 我々は,ITSにおけるタスクを,交通認識,交通予測,交通シミュレーション,交通意思決定の4つのタイプに分類する。 これらの4種類のタスクにおいて、生成的AI技術が重要な問題にどのように対処するかを説明する。
  論文  参考訳（メタデータ） (2023-12-13T16:13:23Z)
• Towards Automated Urban Planning: When Generative and ChatGPT-like AI Meets Urban Planning [27.549492913085597]
  都市計画と人工知能の2つの分野が生まれ、別々に開発された。 現在、他分野の進歩の恩恵を受けるために、クロスポリン化と両方の分野への関心が高まっている。
  論文  参考訳（メタデータ） (2023-04-08T02:19:59Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Towards Automated Process Planning and Mining [77.34726150561087]
  我々は、AIとBPM分野の研究者が共同で働く研究プロジェクトについて紹介する。 プロセスモデルを自動的に導出するための総合的な研究課題、研究の関連分野、および総合的な研究枠組みについて論じる。
  論文  参考訳（メタデータ） (2022-08-18T16:41:22Z)
• 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)

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。