Generative AI in Transportation Planning: A Survey
Created by
- Haebom
Category
Empty
저자
Longchao Da (Ben), Tiejin Chen (Ben), Zhuoheng Li (Ben), Shreyas Bachiraju (Ben), Huaiyuan Yao (Ben), Xiyang Hu (Ben), Zhengzhong Tu (Ben), Yue Zhao (Ben), Dongjie Wang (Ben), Xuanyu (Ben), Zhou, Ram Pendyala, Benjamin Stabler, Yezhou Yang, Xuesong Zhou, Hua Wei
개요
본 논문은 교통 계획 분야에 생성형 인공지능(GenAI)을 통합하는 포괄적인 프레임워크를 제시하는 최초의 연구입니다. 컴퓨터 과학과 교통 공학 분야의 다학제적 연구팀이 작성한 이 논문은 GenAI를 활용하여 수요 예측, 인프라 설계, 정책 평가, 교통 시뮬레이션 등의 작업을 혁신할 가능성을 제시합니다. 특히, 교통 계획 업무(기술적, 예측적, 생성적, 시뮬레이션, 설명 가능한 작업)와 계산 기술(데이터 준비, 특정 도메인 미세 조정, 검색 증강 생성 및 제로샷 학습 등)이라는 두 가지 관점에서 기존 응용 프로그램과 방법론을 분류하는 새로운 분류 체계를 도입합니다. 또한, 데이터 부족, 설명 가능성, 편향 완화, 지속 가능성, 형평성, 시스템 효율성과 같은 교통 목표와 일치하는 도메인별 평가 프레임워크 개발과 같은 중요한 과제를 다룹니다. 궁극적으로는 기존 교통 계획 방법론과 현대 AI 기술 간의 간극을 해소하고 윤리적이고 공정하며 영향력 있는 GenAI의 교통 계획 활용을 위한 미래 연구를 촉진하고자 합니다.
시사점, 한계점
•
시사점:
◦
교통 계획 분야에서 GenAI 활용을 위한 최초의 포괄적인 프레임워크 제공
◦
교통 계획 업무와 계산 기술 관점에서 GenAI 응용 프로그램 및 방법론 분류
◦
데이터 준비, 도메인 특정 미세 조정, 추론 전략 등의 발전 제시
◦
지속 가능성, 형평성, 시스템 효율성 등 교통 목표와 일치하는 도메인별 평가 프레임워크 개발의 중요성 강조
◦
기존 교통 계획 방법론과 현대 AI 기술 간의 협력 및 혁신 증진
•
한계점:
◦
제시된 프레임워크의 실제 적용 및 효과에 대한 실증적 연구 부족
◦
데이터 부족, 설명 가능성, 편향 완화 등의 과제에 대한 구체적인 해결책 제시 부족
◦
다양한 교통 모드 및 지역적 특성을 고려한 일반화 가능성에 대한 추가 연구 필요
