精选理由
这篇综述为交通领域的从业者提供了LLM应用的完整地图——从传感器数据到决策支持，做智慧交通或城市管理的团队可以直接参考其中的案例和挑战，避免重复踩坑。
这篇综述论文系统回顾了大语言模型（LLM）和多模态大语言模型（MM-LLM）在交通系统管理与运营（TSMO）中的应用。研究覆盖了交通运营与服务、出行与车队服务、数据建模与决策支持三个领域，通过PRISMA方法筛选并分析了现有研究。论文指出，LLM在数据异构性、实时推理、可解释性、多模态融合和治理方面仍面临挑战，但作为决策支持层具有巨大潜力，特别是MM-LLM在整合文本、视觉和传感器数据时表现突出。未来方向包括本地化适配、边缘部署、基准测试和跨机构协作。
AI 翻译 · 中文
这篇综述论文系统回顾了大语言模型（LLM）和多模态大语言模型（MM-LLM）在交通系统管理与运营（TSMO）中的应用。研究覆盖了交通运营与服务、出行与车队服务、数据建模与决策支持三个领域，通过PRISMA方法筛选并分析了现有研究。论文指出，LLM在数据异构性、实时推理、可解释性、多模态融合和治理方面仍面临挑战，但作为决策支持层具有巨大潜力，特别是MM-LLM在整合文本、视觉和传感器数据时表现突出。未来方向包括本地化适配、边缘部署、基准测试和跨机构协作。
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. Larg…