Ein automatisiertes Framework für sprachbasierte räumliche Abfragen unter Verwendung großer Sprachmodelle

Die Automatisierung der räumlichen Analyse bleibt eine Herausforderung aufgrund ihrer Abhängigkeit von vordefinierten Workflows, statischen Schemas und Experten-gesteuerten Konfigurationen, die die Anpassungsfähigkeit über verschiedene Datensätze und analytische Kontexte einschränken. Jüngste Fortschritte bei großen Sprachmodellen (LLMs) bieten neue Möglichkeiten, diese Herausforderungen anzugehen, indem sie Systeme befähigen, menschliche Absichten zu interpretieren, über strukturierte Daten zu argumentieren und ausführbare analytische Workflows zu erstellen. Diese Studie präsentiert ein automatisiertes Spatial Query and Analysis (SQA) Framework, das LLMs nutzt, um natürliche Sprachabfragen in validierte räumliche Operationen zu übersetzen. Das Framework interpretiert Benutzeraufforderungen und klassifiziert sie entweder als allgemeine oder räumliche Abfragen. Allgemeine Abfragen werden direkt von einem Sprachmodell beantwortet, während räumliche Abfragen über eine Multi-Agenten-Reasoning-Pipeline verarbeitet werden, die semantische Interpretation, räumliche Analyse, Peer-Review-Validierung und Codeausführungsprüfungen durchführt, um Genauigkeit und Konsistenz sicherzustellen. Neben der abfragebasierten Interaktion können Benutzer neue räumliche Datensätze hochladen, die automatisch validiert und über dynamische Wissensanreicherung in das System integriert werden. Die Auswertung unter Verwendung eines Datensatzes eines großen städtischen Universitätscampus zeigt, dass das SQA-Framework eine verbesserte räumliche Schlussfolgerungsleistung im Vergleich zu Single-Agent-Baselines erzielt, einschließlich Konfigurationen mit Metadata-Zugriff und Fehlerkorrekturmechanismen. Das Framework umfasst auch einen zweistufigen Fehlerbehebungsprozess, der häufige Fehlertypen erfolgreich behebt, einschließlich Tabellen- oder Schema-Missbrauch, Missbrauch des Koordinatenreferenzsystems (CRS) und Fehler in der Spalten- oder räumlichen Argumentation. Das SQA-Framework zeigt konsistente Genauigkeit über Einzel-Tabelle, Mehrfachtabellen und 3D-Abfragen hinweg und erzeugt integrierte Ausgaben in Karten-, Diagramm- und Tabellenformaten.