論文の概要: Broadening Access to Transportation Safety Data with Generative AI: A Schema-Grounded Framework for Spatial Natural Language Queries
- arxiv url: http://arxiv.org/abs/2605.21712v1
- Date: Wed, 20 May 2026 20:14:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 20:14:18.487063
- Title: Broadening Access to Transportation Safety Data with Generative AI: A Schema-Grounded Framework for Spatial Natural Language Queries
- Title（参考訳）: ジェネレーティブAIによる交通安全データへのアクセスの拡大:空間自然言語クエリのためのスキーマ付きフレームワーク
- Authors: Mahdi Azhdari, Eric J. Gonzales,
- Abstract要約: 本稿では,大規模言語モデル(LLM)を用いた交通安全解析のためのスキーマ基底自然言語インタフェースを提案する。
ユーザクエリは構造化セマンティックフレームに変換され、ルールベースの層で検証され、空間操作の型付き非循環グラフにコンパイルされ、PostGISデータベースに対して実行される。
その結果,自然言語のアクセシビリティと決定的実行を組み合わせることは,交通安全データへのアクセスを拡大するための実践的な方向であることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Transportation safety analysis requires integrating crash records, roadway attributes, and geospatial data through GIS-based workflows, but access remains uneven across agencies and community stakeholders. Technical prerequisites create a gap between analytical tools central to safety planning and the practitioners able to use them. Local agencies, school committees, and residents may have safety concerns but limited capacity to retrieve, filter, map, and analyze relevant data. Generative AI offers a way to narrow this divide, but its public-sector use raises questions about reliability, reproducibility, and governance. This paper presents a schema-grounded natural language interface for transportation safety analysis, using a large language model (LLM) to interpret user intent while preserving deterministic, reviewable execution against an authoritative database. User queries are translated into structured semantic frames, validated by a rule-based layer, compiled into a typed directed acyclic graph of spatial operations, and executed against a PostGIS database. This bounded design separates language interpretation from deterministic execution, keeping results reproducible and schema-grounded while removing access barriers. The framework is evaluated using a statewide Massachusetts transportation safety database integrating crash records, roadway attributes, and geospatial layers including schools, bus stops, crosswalks, and municipal boundaries. All queries executed successfully; the validation layer corrects errors in 29% of evaluation queries, reflecting the gap between flexible natural language and strict schema-grounded requirements. The results suggest that combining natural language accessibility with deterministic execution is a practical direction for broadening access to transportation safety data, with implications for trustworthy AI in public-sector planning.
- Abstract（参考訳）: 交通安全分析では、GISベースのワークフローを通じて、クラッシュ記録、道路属性、地理空間データを統合する必要があるが、機関やコミュニティの利害関係者の間でアクセスは不均一である。
技術的な前提条件は、安全計画の中心となる分析ツールと、それらを使用することができる実践者の間にギャップを生じさせる。
地方機関、学校委員会、住民には安全上の懸念があるが、検索、フィルタリング、地図作成、分析の能力は限られている。
Generative AIは、この分割を狭める方法を提供するが、そのパブリックセクタの使用は、信頼性、再現性、ガバナンスに関する疑問を提起する。
本稿では,大規模言語モデル(LLM)を用いて,信頼性データベースに対する決定論的かつレビュー可能な実行を保ちながら,ユーザの意図を解釈する,交通安全分析のためのスキーマ付き自然言語インタフェースを提案する。
ユーザクエリは構造化セマンティックフレームに変換され、ルールベースの層で検証され、空間操作の型付き非循環グラフにコンパイルされ、PostGISデータベースに対して実行される。
この境界設計は、言語解釈を決定論的実行から切り離し、アクセス障壁を取り除きながら結果の再現性とスキーマの座を保ちます。
この枠組みはマサチューセッツ州全体の交通安全データベースを用いて評価され、事故記録、道路特性、学校、バス停、横断歩道、市境を含む地理空間層が統合されている。
検証レイヤは29%の評価クエリでエラーを修正し、フレキシブルな自然言語と厳密なスキーマベース要件のギャップを反映する。
その結果、自然言語のアクセシビリティと決定論的実行を組み合わせることは、交通安全データへのアクセスを拡大するための実践的な方向であり、公共セクター計画において信頼できるAIに意味があることが示唆された。
関連論文リスト
- Generation of Human Comprehensible Access Control Policies from Audit Logs [2.839132202833286]
我々は、ログから人間の理解可能な自然言語アクセス制御ポリシーを生成するフレームワークを開発する。
LANTERN (LLM-based ABAC Natural Translation and Explanation for Rule Navigation) と名付けられたこのフレームワークは,我々の研究成果のために,一般公開されたWebベースアプリケーションとしてインスタンス化されている。
論文 参考訳（メタデータ） (2026-03-15T12:21:27Z) - Semantic Risk Scoring of Aggregated Metrics: An AI-Driven Approach for Healthcare Data Governance [0.0]
大規模医療機関は通常、複数のビジネスインテリジェンス(BI)チームを運営している。
HIPAA、FERPA、IRBの制限のため、これらのチームは分析に必要な患者レベルのデータを共有するという課題に直面している。
事前計算されたプライバシに準拠した要約である計量集計表が提案されている。
論文 参考訳（メタデータ） (2026-03-09T03:36:11Z) - RedacBench: Can AI Erase Your Secrets? [48.280759014096354]
ドメインと戦略間のポリシー条件付きリアクションを評価するベンチマークであるRedacBenchを紹介します。
RedacBenchは、オリジナルのセマンティクスを保持しながらポリシー違反情報を選択的に除去するモデルの能力を測定する。
我々は8,053の注釈付き命題を用いて、各テキスト中のすべての推測可能な情報をキャプチャする性能を定量化する。
論文 参考訳（メタデータ） (2026-03-02T06:29:49Z) - CrossTraffic: An Open-Source Framework for Reproducible and Executable Transportation Analysis and Knowledge Management [18.821780833520116]
CrossTrafficは、トランスポート方法論と規制知識を継続的にデプロイ可能で検証可能なソフトウェアインフラストラクチャとして扱う、オープンソースのフレームワークである。
CrossTrafficは、標準化されたインターフェースによるクロスプラットフォームアクセスによるトランスポート分析のための実行可能な計算コアを提供する。
論文 参考訳（メタデータ） (2026-02-08T22:30:27Z) - X-Blocks: Linguistic Building Blocks of Natural Language Explanations for Automated Vehicles [14.815119135668247]
自然言語の説明は、自動車両(AV)の信頼性と受容を確立する上で重要な役割を担っている
本稿では,AVに対する自然言語説明の言語的構成要素を,文脈,構文,語彙の3段階で識別する階層的分析フレームワークであるX-Blocksを紹介する。
RACEの精度は91.45パーセントで、ヒトアノテーター契約のケースに対するCohens Kappaは0.91である。
論文 参考訳（メタデータ） (2026-02-02T07:18:25Z) - ALIGN: A Vision-Language Framework for High-Accuracy Accident Location Inference through Geo-Spatial Neural Reasoning [0.0]
低所得国や中所得国の多くは、正確な場所固有のクラッシュデータ不足に直面している。
既存のテキストベースのジオコーディングツールは、多言語および非構造化のニュース環境では性能が良くない。
本研究では,事故座標を推定するための空間推論をエミュレートする視覚言語フレームワークであるALIGNを紹介する。
論文 参考訳（メタデータ） (2025-11-09T10:44:26Z) - Cross-Dataset Semantic Segmentation Performance Analysis: Unifying NIST Point Cloud City Datasets for 3D Deep Learning [49.1574468325115]
本研究では、公共安全アプリケーションに関連する異種ラベル付きポイントクラウドデータセット間のセマンティックセマンティックセマンティクス性能を解析する。
主な課題は、ラベル付きデータ不足、データセット間でクラスラベルを統一することの難しさ、標準化の必要性である。
論文 参考訳（メタデータ） (2025-08-01T17:59:02Z) - Foundation Models for Logistics: Toward Certifiable, Conversational Planning Interfaces [59.80143393787701]
大規模言語モデル(LLM)は不確実性に対処し、導入障壁を低くしながら再計画の加速を約束する。
本稿では,自然言語対話のアクセシビリティと目標解釈の検証可能な保証とを組み合わせたニューロシンボリック・フレームワークを提案する。
わずか100個の不確実性フィルタで微調整された軽量モデルは、GPT-4.1のゼロショット性能を上回り、推論遅延を50%近く削減する。
論文 参考訳（メタデータ） (2025-07-15T14:24:01Z) - Knowledge Graph Completion with Relation-Aware Anchor Enhancement [50.50944396454757]
関係認識型アンカー強化知識グラフ補完法(RAA-KGC)を提案する。
まず、ヘッダーのリレーショナル・アウェア・エリア内でアンカー・エンティティを生成します。
次に、アンカーの近傍に埋め込まれたクエリを引っ張ることで、ターゲットのエンティティマッチングに対してより差別的になるように調整する。
論文 参考訳（メタデータ） (2025-04-08T15:22:08Z) - How Context Affects Language Models' Factual Predictions [134.29166998377187]
検索システムからの情報を学習済みの言語モデルと純粋に教師なしの方法で統合する。
この方法で事前学習された言語モデルを拡張することで、性能が劇的に向上し、教師なしにもかかわらず、結果として得られるシステムは、教師なしの機械読解ベースラインと競合する、と報告する。
論文 参考訳（メタデータ） (2020-05-10T09:28:12Z)
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。