解决交通政策制定中的协调问题：一种大语言模型（LLM）的方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》：Addressing the alignment problem in transportation policy making: an LLM approach

研究探讨大语言模型（LLMs）能否通过多智能体模拟解决交通政策制定中的偏好与模型偏差问题，比较GPT-4o和Claude-3.5在芝加哥和休斯顿的政策投票中的表现，发现LLMs能生成合理集体偏好但存在税收厌恶等模型特异性偏差，且不同LLMs决策模式存在差异。

　　

严晓宇|戴天星|聂宇（Marco）

美国伊利诺伊州埃文斯顿谢里登路2145号，西北大学土木与环境工程系，邮编60208

摘要

交通规划中的一个关键挑战是，出行公众的集体偏好往往与模型驱动决策工具产生的政策存在分歧。这种不一致经常导致政策实施延迟或失败。在这里，我们研究了大型语言模型（LLMs）——以其推理和模拟人类决策的能力而闻名——是否能够帮助解决这种一致性问题。我们开发了一个多智能体模拟，其中LLMs作为代表城市中不同社区的智能体，参与对一系列交通政策提案的投票。利用思维链推理，LLM智能体提供排序选择或基于批准的偏好，这些偏好通过即时淘汰投票（IRV）进行汇总，以模拟民主共识。我们使用GPT-4o和Claude-3.5-Sonnet实现了这一模拟框架，并将其应用于芝加哥和休斯顿。我们的研究结果表明，LLM智能体能够近似真实的集体偏好，并对当地环境表现出敏感性。同时，它们也显示出与基于优化的基准和行为偏见的显著偏差，这些偏差似乎特定于所使用的语言模型。研究结果强调了LLMs作为解决交通决策中一致性问题的工具的潜力和局限性。

引言

城市交通政策在区域发展中起着核心作用。设计有效的政策需要获取多维度数据，并深入理解不同社区的个体偏好。传统方法通常依赖于结构化的数学模型，在特定目标和约束条件下确定最优政策。然而，这些模型往往基于严格的假设和简化的行为表征。因此，它们可能产生在分析上可行但与公众情绪或政策实施的复杂现实严重不符的解决方案。这种不一致经常导致政策审批和执行的延迟甚至失败。

大型语言模型（LLMs）的最新进展为解决这一一致性问题提供了有希望的途径。LLMs在包含新闻、事实和人类对话的庞大文本语料库上进行训练，具备丰富的情境理解能力，这可能有助于政策制定者在实施前推断公众偏好并探索权衡。它们解释非结构化信息、用自然语言推理竞争性目标以及适应特定情境的能力，表明了一种补充传统范式的新型决策支持方式。

在这项研究中，我们实现了一个多智能体投票框架，以检验LLMs在支持交通政策设计方面的潜力。我们通过部署代表大城市中不同社区的自主LLM智能体来模拟集体决策。这些智能体参与对交通政策提案的投票，涉及三个方面：针对交通服务的专项销售税、票价政策以及司机费用（例如拥堵收费）。这一设计使我们能够研究集体偏好的形成方式、不同群体之间如何协商权衡，以及如何在人工智能驱动的环境中建模民主机制。关键在于，该框架将推理任务分配给各个智能体，从而实现可扩展的讨论。

为了将实验基于成熟的交通规划实践，我们采用了一个标准的基于效用的旅行需求模型。旅行者根据其每日可支配收入在驾驶和乘坐公共交通之间进行选择，这两种选择都受到拥堵外部性的影响。该模型估计每种政策方案对旅行体验和效用的影响。这些输出被提供给LLM智能体以指导讨论。此外，该模型还生成了不同收入水平的效用分布，使我们能够根据规范目标对政策选项进行排序。我们使用排序选择和批准投票来检验不同的汇总规则如何影响集体结果。我们还改变了智能体可获得的信息，以评估情境如何影响决策质量和与基于模型的基准的一致性。

我们的研究探讨了几个关键问题：（1）LLM智能体在模拟投票环境中能在多大程度上生成连贯合理的政策偏好？（2）不同的投票机制如何影响决策结果？（3）基于LLM的投票产生的政策为何会与传统模型推荐的政策有所不同？（4）结果在不同城市环境和语言模型中的普遍性如何？

我们发现，基于LLM的公投结果通常与基于模型的基准一致，选择的政策反映了相似的优先级，尽管细节上存在差异。一个显著的例外是，LLM智能体普遍表现出比模型规定的最优方案更强的反税倾向。我们的结果还表明，投票行为因模型而异：GPT-4o产生的模式更加一致和果断，而Claude-3.5-Sonnet（以下简称Claude-3.5）则表现出更细致的反应。情感分析有助于解释这种差异，显示GPT-4o智能体在其理由中表达了统一积极的情绪，而Claude-3.5智能体表达了更广泛的情感。尽管如此，两者在平均偏好上趋于一致，且排名最高的政策在各种投票方法中都保持稳定。回归分析进一步证实，无论使用哪种语言模型，LLM智能体表达的偏好在很大程度上与直觉预期一致，这为它们的稳健性提供了令人安心的证据。最后，我们观察到情境敏感性：在休斯顿，GPT-4o智能体更倾向于选择税收负担较低、司机费用较高的政策，这暗示了它们对当地社会政治条件的隐性认知。

本文的其余部分安排如下：第2节回顾相关研究；第3节描述所提出的方法论；第4节概述实验设置，展示并解释模拟结果、情感分析和回归分析；第5节总结研究发现并对未来研究方向进行评论。

章节片段

交通规划

旅行预测模型作为城市交通规划的分析支柱已有半个多世纪的历史（Beckmann等人，1956年；Boyce和Williams，2015年；Manheim，1979年；Meyer和Miller，2001年；Weiner，1997年）。这一主导范式源于战后时期开发的四步建模框架，旨在在人口增长、土地使用变化和基础设施扩展的假设下预测长期旅行需求。

自20世纪70年代以来，旅行

方法论

我们考虑了一个由多个社区组成的简化城市模型。$I=\{1,?,I\}$城市的交通机构正在评估对其当前交通系统的政策变更，该系统包括三个杠杆：每位乘客支付的固定票价（用r表示）、对所有居民征收的专项销售税（用t表示），以及司机支付的每次出行费用（用τ表示）。因此，我们使用一个元组$p_k=\{r_k,t_k,{\tau }_k\}$来表示政策的值。$k\in \{\mathrm{1,<mo>?</mo><mo>,</mo><mi>K</mi><mo>\}</mo>}$为了简化决策过程，该机构定义了三个级别——低（l）、中（m）、

结果

以下我们将分四个部分展示我们的结果。第4.1节基于传统的交通设计模型进行基准分析。第4.2节展示了芝加哥的LLM模拟结果，分析了智能体偏好、推理和投票结果的模式。第4.3节通过情感分析比较了两种LLM（GPT-4o和Claude-3.5）。第4.4节我们进行了回归分析，以更好地理解LLM智能体的行为。

结论

传统的旅行预测和决策模型通常推荐在理论上看似合理的解决方案，但在公众审查下却往往表现不佳。现有的收集社区意见的方法——调查、听证会和焦点小组——速度慢、成本高，并且与优化过程脱节。结果是政策建议与社区愿意支持的内容之间存在持续的不匹配。本研究探讨了LLMs作为模拟城市中的自主智能体在解决这一问题方面的潜力。

CRediT作者贡献声明

严晓宇：撰写——审阅与编辑、初稿撰写、可视化、验证、方法论、正式分析、数据整理。戴天星：撰写——审阅与编辑、验证、方法论。聂宇（Marco）：撰写——审阅与编辑、验证、监督、资源协调、方法论、资金获取、概念构思。