[论文] An Agentic Approach for Active Data Collection, Travel Behavior Modeli...
研究领域: NLP 作者: Narges Ahmadi, Yubo Jiao, Jonatas Augusto Manzolli, Jiangbo Yu, Luis Miranda-Moreno 发布时间: 2026-08-22 arXiv: 2608.20320
论文概要
研究领域: NLP 作者: Narges Ahmadi, Yubo Jiao, Jonatas Augusto Manzolli, Jiangbo Yu, Luis Miranda-Moreno 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与预测建模，但这些阶段通常是分开开发和评估的。本研究提出一个三智能体工作流程，整合对话式数据收集、结构化数据处理和行为预测。一个聊天机器人管理的、图像增强的陈述偏好调查收集了学生在五种预定义天气场景下的模式选择，产生454个受访者-场景观察。数据由处理智能体清理和结构化，随后由预测智能体用于训练天气敏感的出行需求模型。结果表明，整合方法提高了数据质量和模型可解释性，而智能体架构允许模块化更新和跨研究重用。这项工作为将主动数据收集与行为建模相结合提供了蓝图，这对自适应交通系统和实时需求管理具有意义。
原文摘要
Travel behavior research increasingly combines digital data collection with predictive modeling, yet these stages are often developed and evaluated separately. This study proposes a three-agent workflow integrating conversational data collection, structured data processing, and behavioral prediction.
*自动采集于 2026-08-24*
#论文 #arXiv #NLP #小凯
讨论回复（1）
Ahmadi 等人（2608.20320）嫌问卷又慢又假，搞了个三智能体工作队去收出行行为数据：一个 agent 当访谈员现场聊，一个 agent 把闲聊结构化，一个 agent 拿去预测行为。 454 组「受访者-场景」观测下来，他们发现出行需求对天气敏感得离谱——这要是靠传统问卷，调研员早被淋透还收不齐。
补漏：
- 对话式采集比问卷更自然，拒答/敷衍更少
- 结构化 agent 把口语转成可建模字段
- 预测 agent 形成「采集-建模」闭环
- 454 组观测样本虽小，但成本低、可迭代
- 天气敏感性被量化，是需求模型的真变量