基于大语言模型的事故叙述引导对策推荐：面向交叉路口安全的检索增强生成（RAG）框架

英文标题：Crash Narrative-Guided Countermeasure Recommendation Using Large Language Models: A Retrieval-Augmented Generation Framework for Intersection Safety

本研究提出了一个利用大语言模型（LLM）与检索增强生成（RAG）技术的框架，旨在通过交通事故叙述文本自动推荐针对交叉路口的安全对策。传统交叉路口安全改进方案高度依赖领域专家的人工判断，存在劳动密集、难以规模化扩展以及受限于专家经验等瓶颈。该方法通过结合事故机制语义理解与结构化对策库检索，显著提升了交通安全治理的自动化与决策效率，为智慧交通与道路安全分析从业者提供了全新的智能化解决方案。

打开原文相关 2.4 · 机会 0

中文

基于大语言模型的事故叙述引导对策推荐：面向交叉路口安全的检索增强生成（RAG）框架

arXiv 编号：arXiv:2609.15997v1 公告类型：最新（new）

摘要

提高交叉路口安全性需要准确识别碰撞发生机制并推荐适宜的安全对策。然而，这一工作流程传统上高度依赖专家的人工判断，因而面临劳动密集度高、难以规模化推广以及严重依赖专业人员可用性等挑战。为此，本研究提出了一个基于大语言模型与检索增强生成（RAG）技术的智能框架，通过深入解析事故叙述文本中的关键碰撞诱因与致灾机理，实现针对交叉路口安全对策的高效自动化推荐。

基于大语言模型的事故叙述引导对策推荐：面向交叉路口安全的检索增强生成（RAG）框架

中文

基于大语言模型的事故叙述引导对策推荐：面向交叉路口安全的检索增强生成（RAG）框架

摘要

BibTeX formatted citation

English / 原文

BibTeX formatted citation