2025年7月1日，TRANS课题组特邀香港理工大学土木与环境工程学系长聘副教授、PolyU Mobility AI Lab负责人马玮老师，开展了主题为“探究大语言模型在交通管控中的潜力：基于两个案例的见解”的学术报告。大型语言模型（LLMs）凭借先进的推理与情境学习能力，正成为交通管理领域的变革性工具。马老师通过两个典型案例深入探讨了 LLMs 的应用价值：
首个案例展示了LLMs增强的强化学习框架在公交动态调度控制策略中的应用。通过自动生成和优化奖励函数，该方法显著提升了单线及多线公交系统的运营效率和稳定性。实测数据表明，与传统方法相比，该系统在适应性、乘客候车时间缩短及发车间隔规律性等方面均有显著改善。第二个案例聚焦LLMGeovec——一种创新的地理定位表征范式。该技术利用LLMs从文本描述中提取丰富的地理语义信息，应用于交通流量预测和城市移动性优化等时空任务。作为即插即用的增强模块，LLMGeovec通过无缝整合地理与时空数据，有效提升了各类预测框架的模型性能。
这些研究不仅证明了LLMs在应对交通管理多样化挑战时的强大适应性，更为其在实际场景中的部署提供了可操作的实施路径。特别值得注意的是，LLMs展现出的跨模态融合能力与自动化决策优势，正在重塑智能交通系统的技术架构。