Este artículo propone LEAF (Large Language Model Enhanced Traffic Flow Predictor), un novedoso método para la predicción del flujo de tráfico. Mientras que los métodos existentes se centran en el aprovechamiento de las dependencias espaciotemporales, LEAF introduce un modelo de lenguaje grande (LLM) para mejorar su capacidad de adaptación a los cambios ambientales durante las pruebas. LEAF consta de dos ramas que capturan relaciones espaciotemporales mediante estructuras de grafos e hipergrafos, cada una preentrenada de forma independiente. Durante las pruebas, ambas ramas generan predicciones diferentes y el LLM selecciona el resultado más probable. Se utiliza una función de pérdida de clasificación para mejorar el rendimiento de la predicción de ambas ramas. Experimentos con diversos conjuntos de datos demuestran la eficacia de LEAF.
