論文の概要: Large Language Models in Transportation Systems Management and Operations: From Text Reasoning to Multi-modal Decision Support
- arxiv url: http://arxiv.org/abs/2606.00991v1
- Date: Sun, 31 May 2026 04:15:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 00:57:58.933075
- Title: Large Language Models in Transportation Systems Management and Operations: From Text Reasoning to Multi-modal Decision Support
- Title（参考訳）: 交通システム管理・運用における大規模言語モデル:テキスト推論からマルチモーダル意思決定支援まで
- Authors: Siyan Li, Zehao Wang, Jiachen Li, Kanok Boriboonsomsin, Matthew J. Barth, Guoyuan Wu,
- Abstract要約: 大規模言語モデル(LLM)は、構造化された入力と非構造化された入力を演算子対応の意思決定サポートに統合するための新しいメカニズムを提供する。
本稿では, LLM および MM-LLM をベースとした輸送業務・サービス(供給), モビリティ・アンド・フリートサービス(需要), データ, モデリング・意思決定支援のアプリケーションについて検討する。
- 参考スコア（独自算出の注目度）: 29.964938312266188
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transportation systems management and operations (TSMO) increasingly depends on timely interpretation of heterogeneous data, from various sensor streams, incident reports, traveler feedback, and visual observations. Large language models (LLMs), including emerging multi-modal large language models (MM-LLMs), provide a new mechanism for integrating these structured and unstructured inputs into operator-facing decision support. This survey paper reviews LLM- and MM-LLM-based applications in TSMO across three domains: transportation operations & services (supply), mobility & fleet services (demand), and data, modeling & decision support. Using a PRISMA-guided screening process, we synthesize current studies while distinguishing operationally oriented applications from prototype and emerging concepts. We further identify recurring challenges in data heterogeneity, real-time inference, explainability, multi-modal fusion, and governance. Finally, we outline existing gaps and future directions in localized adaptation, edge deployment, benchmarking, and cross-agency collaboration. Overall, LLM-based systems appear most promising as a decision-support layer, with MM-LLMs offering particular value when heterogeneous text, visual, and sensor inputs must be integrated.
- Abstract（参考訳）: 交通システム管理・運用(TSMO)は、様々なセンサストリーム、インシデントレポート、旅行者のフィードバック、視覚的観察など、異種データのタイムリーな解釈に依存している。
マルチモーダルな言語モデル(MM-LLM)を含む大規模言語モデル(LLM)は、これらの構造的および非構造的入力を演算子対応の意思決定サポートに統合するための新しいメカニズムを提供する。
本調査では、交通業務・サービス(供給)、モビリティ・アンド・フリートサービス(需要)、データ、モデリング・意思決定支援の3分野にわたるTSMOにおけるLLMおよびMM-LLMベースのアプリケーションについてレビューする。
PRISMA誘導スクリーニングプロセスを用いて,本研究をプロトタイプと新興概念とを区別しながら,現在の研究を合成する。
さらに、データの異質性、リアルタイム推論、説明可能性、マルチモーダル融合、ガバナンスにおける繰り返し発生する課題を特定します。
最後に、ローカライズされた適応、エッジデプロイメント、ベンチマーク、緊急間コラボレーションにおける既存のギャップと今後の方向性について概説する。
全体として、LLMベースのシステムは意思決定支援層として最も有望であり、MM-LLMは異種テキスト、視覚、センサー入力を統合する必要がある場合に、特定の価値を提供する。
関連論文リスト
- MM-Telco: Benchmarks and Multimodal Large Language Models for Telecom Applications [9.282400615034534]
大規模言語モデル(LLM)は、複雑な推論と意思決定タスクを自動化する強力なツールとして登場した。
通信では、ネットワーク最適化を変革し、トラブルシューティングを自動化し、顧客サポートを強化し、規制コンプライアンスを確実にする可能性を秘めている。
本稿では,テレコムドメインに適したベンチマークとモデルの総合的なスイートであるMM-Telcoを提案する。
論文 参考訳（メタデータ） (2025-11-17T08:34:41Z) - Large Multimodal Models-Empowered Task-Oriented Autonomous Communications: Design Methodology and Implementation Challenges [31.57528074626831]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は前例のない突破口となった。
本稿では,LLM/LMMを用いたタスク指向の自律通信について述べる。
提案したLLM/LMM支援自律システムは,従来型および差別型深層学習(DL)モデルに基づく手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2025-10-23T15:08:58Z) - Discrete Diffusion in Large Language and Multimodal Models: A Survey [61.86669998363359]
離散拡散言語モデル(dLLMs)と離散拡散多モード言語モデル(dMLLMs)の体系的調査を行う。
自己回帰(AR)モデルとは異なり、dLLMsとdMLLMsはマルチトークンの並列デコーディングパラダイムを採用しており、フルアテンションとデノナイジングに基づく生成戦略を採用している。
我々は、dLLMとdMLLMの歴史的発展を辿り、基礎となる数学的枠組みを定式化し、一般的なモデリング手法を列挙し、代表モデルを分類する。
論文 参考訳（メタデータ） (2025-06-16T17:59:08Z) - Survey of LLM Agent Communication with MCP: A Software Design Pattern Centric Review [0.9208007322096533]
調査ではMediator, Observer, Publish-Subscribe, Brokerなど,確立したパターンを再検討している。
記事は、オープンな課題、潜在的なセキュリティリスク、堅牢で相互運用可能でスケーラブルなマルチエージェントエコシステムを前進させる有望な方向性を概説することで締めくくっている。
論文 参考訳（メタデータ） (2025-05-26T09:11:17Z) - GTS-LUM: Reshaping User Behavior Modeling with LLMs in Telecommunications Industry [11.596473714612955]
GTS-LUMは、通信環境におけるモデリングパラダイムを再定義する、新しいユーザ行動モデルである。
GTS-LUMは(マルチモーダルな)エンコーダアダプタ-LLMデコーダアーキテクチャを採用しており、いくつかのテレコム固有の革新で拡張されている。
論文 参考訳（メタデータ） (2025-04-09T01:12:07Z) - A Comprehensive Review of Multimodal Large Language Models: Performance and Challenges Across Different Tasks [74.52259252807191]
MLLM(Multimodal Large Language Models)は、単一のモダリティシステムの能力を超えた現実世界のアプリケーションの複雑さに対処する。
本稿では,自然言語,視覚,音声などのマルチモーダルタスクにおけるMLLMの応用を体系的に整理する。
論文 参考訳（メタデータ） (2024-08-02T15:14:53Z) - Model Composition for Multimodal Large Language Models [71.5729418523411]
本稿では,既存のMLLMのモデル構成による新しいパラダイムを提案する。
我々の基本的な実装であるNaiveMCは、モダリティエンコーダを再利用し、LLMパラメータをマージすることで、このパラダイムの有効性を実証する。
論文 参考訳（メタデータ） (2024-02-20T06:38:10Z) - Large AI Model Empowered Multimodal Semantic Communications [48.73159237649128]
本稿では,Large AI Model-based Multimodal SC (LAMMSC) フレームワークを提案する。
まず、条件付きマルチモーダルアライメント(MMA)を提案し、マルチモーダルデータと非モーダルデータ間の変換を可能にする。
次に、パーソナライズされたLLMベースの知識ベース(LKB)を提案し、ユーザがパーソナライズされたセマンティック抽出やリカバリを行うことができる。
最後に,CGE(Generative Adversarial Network-based Channel Estimation)を用いて,無線チャネルの状態情報を推定する。
論文 参考訳（メタデータ） (2023-09-03T19:24:34Z)
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。