Cet article propose LEAF (Large Language Model Enhanced Traffic Flow Predictor), une nouvelle méthode de prédiction des flux de trafic. Alors que les méthodes existantes se concentrent sur l'exploitation des dépendances spatio-temporelles, LEAF introduit un grand modèle de langage (LLM) pour améliorer sa capacité d'adaptation aux changements environnementaux lors des tests. LEAF comporte deux branches qui capturent les relations spatio-temporelles à l'aide de structures de graphes et d'hypergraphes, chacune pré-entraînée indépendamment. Lors des tests, les deux branches génèrent des prédictions différentes, et le LLM sélectionne le résultat le plus probable. Une fonction de perte de classement est utilisée pour améliorer les performances de prédiction des deux branches. Des expériences sur divers jeux de données démontrent l'efficacité de LEAF.
