A Survey on the Applications of Frontier AI, Foundation Models, and Large Language Models to ITS

UnknownBody

已于 2024-02-27 14:56:29 修改

阅读量537

点赞数 10

CC 4.0 BY-SA版权

于 2024-02-27 14:55:27 首次发布

本文链接：https://blog.youkuaiyun.com/c_cpp_csharp/article/details/136318008

Survey Paper 同时被 3 个专栏收录

275 篇文章 ¥99.90 ¥299.90

订阅专栏

超级会员免费看

LLM 日更

828 篇文章

已下架不支持订阅

Urban and Traffic

18 篇文章

订阅专栏

本文调研了前沿人工智能、基础模型（如GPT-4）及大型语言模型（LLM）如何革新智能交通系统（ITS）。LLM通过语言理解和数据分析改善交通智能，应用于实时交通预测、自动驾驶汽车和城市规划。尽管存在挑战，但它们展现了在解决交通拥堵、事故和环境问题上的潜力。未来研究应关注如何克服挑战，定制符合智能城市需求的解决方案，并探索与6G通信的协同作用。

本文是LLM系列文章，针对《A Survey on the Applications of Frontier AI, Foundation Models, and
Large Language Models to Intelligent Transportation Systems》的翻译。

摘要

本文探讨了前沿人工智能、基础模型和大语言模型在智能交通系统（ITS）领域的变革影响，强调了它们在推进交通智能、优化交通管理和促进智慧城市实现方面的整体作用。前沿人工智能是指人工智能技术的前沿，包括该领域的最新进展、创新和实验技术，尤其是人工智能基础模型和LLM。基础模型，如GPT-4，是大型通用人工智能模型，为广泛的应用提供了基础。它们的特点是多功能性和可扩展性。LLM是从微调基础模型中获得的，特别侧重于处理和生成自然语言。他们擅长语言理解、文本生成、翻译和摘要等任务。LLM利用大量的文本数据，包括交通报告和社交媒体互动，提取关键见解，促进ITS的发展。该调查探讨了LLM和ITS之间的动态协同作用，深入研究了交通管理、自动驾驶汽车集成及其在塑造智能城市中的作用。它提供了对正在进行的研究、创新和新兴趋势的见解，旨在激发语言、智能和流动性交叉点的合作，以实现更安全、更高效和可持续的交通系统。本文进一步调查了LLM与ITS各个方面之间的互动，探讨了LLM在交通管理、促进自动驾驶汽车和促进智能城市发展方面的作用，同时解决了前沿人工智能和基础模型带来的挑战。本文为未来智能交通变革领域的研究和创新提供了宝贵的启示。