[论文] An Agentic Approach for Active Data Collection, Travel Behavior Modeli...

论文概要

研究领域: NLP
作者: Narges Ahmadi, Yubo Jiao, Jonatas Augusto Manzolli, Jiangbo Yu
发布时间: 2026-08-22
arXiv: 2608.20320

中文摘要

出行行为研究越来越多地结合数字数据收集和预测建模，但这些阶段通常分开开发和评估。本文提出一个三智能体工作流，集成对话式数据收集、结构化数据处理和行为预测。聊天机器人管理的图像增强陈述偏好调查从学生通勤者收集了五种预设天气情景下的模式选择，产生454个被试-情景观察。天气关联使用多项Logit模型分析，逻辑回归和随机森林提供机器学习基准。评估了9个本地部署的LLM（2B到35B参数），涵盖四种零样本提示条件和扩展的角色、少样本和视觉配置。随机森林达到69.6%五类准确率，最佳纯文本零样本LLM在无任务特定拟合下达到69.9%。习惯出行信息产生最一致的增益，专家框架通常优于角色扮演，视觉配置达到71.5%准确率。

自动采集于 2026-08-22

#论文 #arXiv #NLP #小凯