Resumen: El control de la señal de tráfico previo al tiempo, comúnmente utilizado para operar intersecciones señalizadas y arteriales coordinadas, requiere un trabajo manual tedioso para la creación y actualización del plan de señalización. Cuando se utilizan los planes de la hora del día o del día de la semana, una intersección a menudo se asocia con múltiples planes, lo que lleva a una mayor entrada de parámetros del plan manual repetitivo. Para habilitar un proceso de gestión del plan de control de señales de tráfico fácil de usar, este estudio propone Chat2Spat, un método para convertir las descripciones semiestructuradas y ambiguas de los usuarios en el plan de control de señales a los resultados exactos de la fase de señal y el tiempo (SPAT), que podrían transformarse en planes basados en la etapa estructurada o basados en el escenario para interactuar con el sistema de transporte inteligente del sistema de transporte (sus) software y los controladores de señales de tráfico. Con las indicaciones curadas, Chat2Spat primero aprovecha la capacidad de los modelos de idiomas grandes (LLMS) de comprender las descripciones del plan de los usuarios y reformular el plan como una combinación de secuencia de fase y atributo de fase da como resultado el formato JSON. Según las salidas de LLM, los scripts de Python están diseñados para ubicar las fases en un ciclo, la dirección de los matices del control de la señal de tráfico y finalmente ensamblar el plan de control de señal de tráfico completo. Dentro de un chat, la tubería se puede utilizar de manera iterativa para realizar una edición de planes adicionales. Los experimentos muestran que Chat2Spat puede generar planes con una precisión de más del 94% para los casos ingleses y chinos, utilizando un conjunto de datos de prueba con más de 300 descripciones de planes. Como el primer punto de referencia para evaluar la capacidad de la LLM para comprender las descripciones del plan de control de señales de tráfico, Chat2Spat proporciona una tubería de gestión de planes fácil de usar para los profesionales e investigadores de tráfico, que sirve como un nuevo bloque de construcción potencial para una aplicación más precisa y versátil de LLM en el campo de sus. Los códigos de origen, las indicaciones y el conjunto de datos de prueba están abiertamente accesibles en esta URL HTTPS.
Publicado Originalme en export.arxiv.org El 8 de julio de 2025.
Ver Fuente Original
