基于大语言模型的事故叙述指导对策推荐：面向交叉口安全的检索增强生成框架

arXiv cs.CL 论文
large-language-models retrieval-augmented-generation transportation-safety crash-analysis ai-framework engineering-research

摘要

本文提出了一种使用大语言模型的检索增强生成框架，从事故叙述中推荐安全对策，在现实世界数据评估中实现了高精度和召回率。

arXiv:2609.15997v1 公告类型：新 摘要：提高交叉口安全需要识别事故机制并推荐适当的对策。然而，这一过程传统上依赖于专家判断，使其劳动密集、难以扩展，并依赖于经验丰富的交通安全工程师的可用性。尽管事故叙述包含丰富的事故机制描述，但这些非结构化信息在安全分析中仍然很大程度上未被利用。本研究提出了一种事故叙述指导的检索增强生成（RAG）框架，将叙述衍生的事故机制转化为具体地点的对策推荐。关键机制属性，包括交通控制、信号指示、驾驶员过错、车辆运动和行驶方向，从事故叙述中提取，并与FHWA已证明安全对策和CMF Clearinghouse的循证治疗相关联。该框架集成了基于嵌入的历史相似交叉口检索、关联规则挖掘、关于预期相关对策数量的统计指导，以及在选择对策之前引导LLM通过领域一致决策过程的工程推理指导。在佛罗里达州Lake和Sumter县的115个交叉点中，对312起致命和严重伤害事故使用五折交叉验证进行评估，该框架实现了0.82的精度、0.85的召回率和0.82的F1分数，同时推荐平均每个地点3.91个对策，其中3.14个匹配，接近实际平均值（3.86）。总体而言，所提出的框架展示了检索增强LLMs作为可解释和可扩展的决策支持工具的潜力，供交通机构将事故叙述转化为对策推荐。
查看原文
查看缓存全文

缓存时间: 2026/09/16 08:37 

# 基于大语言模型的事故叙述引导对策措施推荐：面向交叉路口安全的检索增强生成框架
来源：https://arxiv.org/abs/2609.15997
查看PDF (https://arxiv.org/pdf/2609.15997)

> 摘要：提升交叉路口安全需要识别事故机制并推荐相应的对策措施。然而，该过程传统上依赖专家判断，导致工作量大、难以规模化且依赖经验丰富的交通安全工程师资源。尽管事故叙述中包含丰富的事故机制描述，但这些非结构化信息在安全分析中仍未得到充分利用。本研究提出一种事故叙述引导的检索增强生成框架，将叙述中提取的事故机制转化为针对性的对策建议。通过从事故叙述中提取交通管控方式、信号指示、驾驶人过错、车辆运动状态及行驶方向等关键机制属性，并将其与美国联邦公路管理局验证安全对策措施库及对策措施效果评估中心的循证解决方案相关联。该框架整合了基于嵌入的历史相似路口检索、关联规则挖掘、相关对策措施预期数量的统计指导，以及引导大语言模型在选择对策前遵循领域一致决策过程的工程推理指导。基于佛罗里达州莱克县和萨姆特县115个交叉路口的312起致死及重伤事故，采用五折交叉验证评估，该框架实现了0.82的精确率、0.85的召回率和0.82的F1分数。推荐平均每个地点3.91条对策措施，其中3.14条匹配，与实际平均值3.86条高度吻合。总体而言，所提框架展示了检索增强大语言模型作为交通管理机构可解释、可扩展的决策支持工具的潜力，能够有效将事故叙述转化为对策建议。

## 提交历史
作者：Parvez Anowar \[查看邮箱 (https://arxiv.org/show-email/9711a5fc/2609.15997)\] **\[版本1\]**2026年7月9日 周四 17:26:23 UTC（1,466 KB）

相似文章

利用生成式AI拓宽交通安全数据获取渠道：一种基于模式框架的空间自然语言查询方法

arXiv cs.CL

本文提出了一种基于模式框架的自然语言接口，用于交通安全分析。该接口利用大型语言模型解释用户查询，同时保持对权威数据库的确定性执行。该框架在马萨诸塞州交通安全数据库上进行了评估，成功执行了所有查询，并在29%的案例中纠正了错误，展示了拓宽安全数据获取渠道的实用方法。