CrossTrafficLLM: KI-gestützte Verkehrsprognose mit Textberichten

Verkehrsprognosen sind für intelligente Transportsysteme unverzichtbar, doch die Herausforderung bleibt: Wie kann man die Vorhersagen so verständlich kommunizieren, dass sie für Menschen wirklich nutzbar sind? Mit CrossTrafficLLM liefert ein neues, generatives KI-Framework die Lösung.

CrossTrafficLLM kombiniert die Vorhersage von zukünftigen Verkehrs­zuständen mit der automatischen Erzeugung von natürlichen Sprachbeschreibungen. Dabei liegt der Fokus auf konditionalen, abnormalen Ereignissen – etwa unerwarteten Staus oder Unfällen – und deren klaren, handlungsorientierten Zusammenfassungen.

Der Schlüssel liegt in der Integration von Large Language Models (LLMs) in einer einheitlichen Architektur. Ein text‑gesteuertes adaptives Graph‑Convolutional‑Netzwerk verbindet hochrangige semantische Informationen mit der Struktur des Verkehrsnetzes, sodass die generierten Texte die Vorhersagen direkt widerspiegeln und gleichzeitig die Genauigkeit der Prognosen verbessern.

In Tests am BJTT‑Datensatz übertrifft CrossTrafficLLM die aktuellen Spitzenreiter sowohl bei der Verkehrs­prognose als auch bei der Qualität der Textgenerierung. Die Kombination aus Vorhersage und Beschreibungs­erzeugung macht das System besonders interpretierbar und praktisch einsetzbar.

Durch die Vereinheitlichung von Datenanalyse und verständlicher Kommunikation bietet CrossTrafficLLM einen bedeutenden Fortschritt für moderne ITS‑Anwendungen und ermöglicht Entscheidungsträgern, schneller und fundierter auf Verkehrs­veränderungen zu reagieren.