从旅行者的角度评估城市交通系统对交通规划和运营管理至关重要，而社交媒体数据已被证明是提取旅行体验的丰富且及时的来源。然而，由于获取揭示旅行体验的高质量数据集的困难，以及基于所收集的帖子进行精确评估的挑战，使用社交媒体数据评估城市交通是一个具有挑战性的任务。随着大语言模型（LLMs）的最新进展，本文建立了一种共识基础的LLM协商范式以应对这些挑战。首先，我们提出了一种基于LLM的社交媒体数据自动收集和处理管道。具体而言，LLM的理解和推理能力促进了对获得的原始数据进行高准确度的筛选。更重要的是，与传统机器学习方法相比，LLM不需要对数据进行手动标记或广泛的预训练。至于评估系统，我们利用LLM对城市交通评估的关键指标进行聚类和总结。此外，我们提出了一种共识基础的LLM协商机制，其中两个不同的LLM分别作为生成器和判别器。它们对每个社交媒体帖子进行迭代评估和改进，直到达成共识。通过这种方式，文本数据被分类到其相关指标中，并根据情感分析分配分数。最后，我们提出了LLM增强的层次分析法（AHP），通过该方法，LLM根据不同角色扮演提示确定每个指标的权重。所提框架的有效性在上海和北京使用从微博收集的社交媒体帖子进行了验证。LLM获得的数据集在质量和数量上都有显著提升。此外，LLM的协商机制不仅可以提供可靠和稳健的评估结果，还可以识别评估结果背后的关键问题，并提供有针对性和精确的建议。本文对将LLM应用于未来的交通评估和运营做出了贡献。
Li等（周四）研究了这个问题。