في عالم التخطيط الحضري وفهم سلوكيات السفر، تعتبر بيانات استطلاعات السفر مكوناً أساسياً. ولكن، جمع عينات تمثيلية كبيرة تكلف الكثير من الوقت والمال. هنا يأتي دور "LEBGen"، الإطار المبتكر المدعوم بنماذج اللغة الضخمة (LLMs) وشبكات بايزي (BNs) لتحسين جودة هذه البيانات.

تقنية LEBGen اعتمدت على فكرة توليد سجلات استطلاعات صناعية من عينات بسيطة، والتي غالباً ما تكون غير كافية لتغطية جميع فئات المسافرين وتقديم الأدلة اللازمة لفهم العلاقات المعقدة بين الخصائص الديموغرافية وسلوكيات السفر. بينما توفر النماذج الاحتمالية مثل الشبكات البايزية تحكماً واضحاً في توزيع البيانات، إلا أن التعلم من عينات قليلة قد يؤدي إلى إغفال الروابط المهمة.

هنا يأتي دور نماذج اللغة الضخمة التي تختصر الوقت. باستخدام المعرفة السلوكية المدمجة، تستطيع LEBGen تحديد شخصيات المسافرين بناءً على الخصائص الديموغرافية وإحصائيات سلوك السفر، واستعادة الروابط التي قد تكون ضائعة في الشبكة البايزية التقليدية.

وفقاً للاختبارات التي أجريت على بيانات مسح خصائص السفر في هونغ كونغ لعام 2022، أظهر LEBGen تحسناً كبيراً في جودة البيانات المولدة. انخفض متوسط التباين من 0.0671 إلى 0.0091، مما يعكس فائدة كبيرة في تعزيز دقة البيانات وموثوقيتها.

هذا التطور يمكن أن يحدث تحولاً كبيراً في كيفية تجميع وتحليل البيانات، مما يمكن المدن من التحسين في التخطيط للنقل وعمليات السفر.

ما رأيكم في هذه الابتكارات الأحدث في مجال الذكاء الاصطناعي؟ شاركونا آرائكم في التعليقات!