原文链接见文末，或扫下方交流群二维码。群内实时更新推文及原文 pdf，方便专家学者随时获取（若二维码失效，请翻阅扫描最新文章的二维码）。

动态交通决策中的适应性学习：基于LLMTraveler的人类行为演化分析

一 、研究背景与问题提出

本文聚焦一个新问题：大语言模型能否像真实旅客一样在每天换路中学习？论文提出 LLMTraveler，让模型带着记忆做路径选择，结果发现它不仅能逐日适应交通，还能复现实验中的“转换行为”和波动的均衡。这意味着未来交通仿真，不再只靠固定规则，而可能用“会学习的代理”来预测人类决策。

1.1 路径选择模型的历史发展

  • 路径选择的重要性 ： 路径选择模型不仅用于理解个体出行行为，还支撑交通分配和拥堵管理。
  • 路径层模型（Path‐based models） ： 以多条备选路线为决策单元，常先生成可行路集，再在随机效用理论框架下建模。经典生成方法包括 k 短路、链路惩罚、链路删除和受约约束枚举等。多项式 Logit（MNL）模型是最常用的效用分配方式，但假设独立同分布误差的限制促成了扩展 Logit 模型的发展。
  • 链路层模型（Link‐based models） ： 通过递归 Logit 将决策拆分为链路级选择，使大网络中的路径生成问题更可控。动态递归 Logit 和深度逆向强化学习进一步解决了时间依赖和高维奖励函数的问题。
  • 日常路由动态 (Day‑to‑Day, DTD) ： 实际交通流呈现明显的日常波动，静态均衡难以解释其持续偏离用户平衡的现象。DTD 模型通过模拟驾驶者在多日中的学习与调整行为，能够嵌入预期、有限理性、展望理论、边际效用等行为假设。

1.2 ABM、强化学习与 LLM 的机遇

  • Agent‑Based Modeling (ABM) ： ABM 擅长刻画个体行为及其局部交互产生的复杂宏观现象。但基于固定决策规则，难以体现行为在动态环境中的演化。
  • 强化学习 (RL) ： 自主学习策略无需预设规则，是建模 DTD 游戏的热门方法。然而 RL 依赖固定环境分布，泛化到新条件时需重新训练。
  • 大语言模型 (LLM) 的潜力 ： LLM 凭借 Transformer 架构和海量预训练数据，展示出模拟人类决策的能力。其 在上下文学习（ICL） 能在不更新参数的情况下，根据自然语言指令和示例生成合理响应，可形式化为
    其中  为预训练后的模型参数，Context 包含指令和范例。
  • 应用挑战 ： LLM 天然的下一个词预测任务与路径选择的学习过程存在差距，需要专门的提示设计与记忆机制才能呈现人类学习行为。此外，大模型计算开销高，轻量开源模型能否实现类似行为尚不清楚。

二、 LLMTraveler 方法及决策框架

2.1 LLMTraveler 架构与记忆系统

论文提出 LLMTraveler——一个嵌入大语言模型的智能出行代理，包含 LLM 核心和记忆模块。其框架如图 1 所示，代理在每天旅行后将经验存储到记忆中，并在次日决策前检索记忆。此记忆不仅包括历史路线与行程时间，还记录路线被选择的次数。通过循环结构实现从 接收信息→反思→决策 的学习闭环。

图1 LLMTraveler框架（取自Fig.1）
图1 LLMTraveler框架（取自Fig.1）

2.2 决策过程

LLMTraveler 的决策过程分三步：

  1. 接收并更新旅行信息 ： 每日根据环境反馈（路线的旅行时间等）更新记忆。
  2. 反思过往选择 ： 采用经验加权移动平均旅行时间 (EWMATT) 强调近期经验：

其中  为平滑参数， 为第  日观测的旅行时间。

  1. 调用 LLM 决策 ： 从记忆中提取每条路线的 EWMATT 和选择次数，拼接旅客特征、任务描述及指导提示组成一个自然语言 Prompt，由 LLM 输出下一日选路及其理由。

2.3 提示设计

设计 Prompt 是能否逼真模拟人类决策的关键。模板包含：

  • 旅客档案 ： 随机生成姓名、性格（外向、随和、尽责、神经质、开放性等）、风险偏好和社会经济属性，用于赋予代理多样人格。
  • 任务描述 ： 指明要在数条路线中选择最优路线，并约束输出为 JSON 格式。
  • 旅行经验 ： 提供每条路线的 EWMATT 和选择次数，帮助 LLM 调用记忆。
  • 思考引导 ： 引导模型“逐步思考”，平衡已熟悉路线与少探索路线的权衡。
  • 输出格式与解释 ： 先要求给出理由再给出选择，增强解释性。

这一综合 Prompt 设计在图 2 中有所展示。

图2 提示模板（取自Fig.2）
图2 提示模板（取自Fig.2）

2.4 DTD 路径选择建模框架

为模拟多日学习行为，作者构建了 DTD 路径选择建模框架，如图 3 所示。核心流程包括：

  • 输入： 交通网络 (节点、边)、OD 需求和基于 k 短路算法得到的候选路线；行程时间由线性性能函数决定：

其中  为第  日链路  的行程时间， 为自由流时间， 为交通量， 为影响因子。

  • 仿真循环： 每日 LLMTraveler 根据记忆选择路线，网络加载后计算每条链路的行程时间，旅客感知后更新记忆并在次日重新计划。循环直至达到预设天数或收敛。
图3 DTD 路径选择建模框架（取自Fig.3）
图3 DTD 路径选择建模框架（取自Fig.3）

三、单 OD 对实验：实验设计与结果

3.1 实验设置与评价指标

实验采用经典的两路线单 OD 网络（图 4）。16 名旅客每天在两条路中选择，旅行时间随着流量线性增长。设计五个场景，包括对称和非对称成本函数，以考察不同成本差异下的行为。

图4 单OD对网络示意（取自Fig.4）
图4 单OD对网络示意（取自Fig.4）

评价指标：

  • 转换率 (Switching Rate) ： 两条路线情况下，旅客从上一日路线  切换到另一条路线  的比例，记为 ，留在原路线的比例为 。
  • 平均转换率 ： 对于特定成本组合 ，计算所有对应天次的平均转换率

反映群体平均行为。

  • 与对比模型 ： 与完全理性选择模型（PRC）和多项 Logit 模型 (MNL) 比较。MNL 将效用设为  ；“MNL–0.3” 表示 。

3.2 行为规律与结果分析

3.2.1 总体旅行时间

各 LLMTraveler 在五个场景的旅行时间走势如图 5 所示，均能接近动态用户均衡 (DUE)；旅行时间波动随着成本函数敏感性增大而增大。

图5 不同场景下旅行时间演化（取自Fig.5）
图5 不同场景下旅行时间演化（取自Fig.5）

3.2.2 路径转换率与逻辑回归

实验采用逻辑回归拟合双选行为：

其中  为两条路线的旅行时间。拟合结果显示，多数 LLMTraveler 模型的参数显著，能够捕捉成本差异对转换率的影响。

3.2.3 行为模式

对照实验室数据，LLMTraveler 重现了三种路径转换规律：

  • 成本差异越大，转换率越高，即便当前路线更优，也存在跳槽倾向；PRC 模型无法捕捉这一现象。
  • 非对称网络中，两条路线在均衡点的转换率均在 (0,0.5) ，但与实验室数据不同，LLMTraveler 在两个方向上差异较小，显示出模型对两路线敏感性相近。
  • 转换率不仅取决于成本差异，也受上一日选中路线特性影响，例如同样的 20 分钟差异，某方向的跳转率高于反向。
  • 对比模型 ： 相比 PRC 和 MNL，LLMTraveler 展现出带随机性的理性行为，能解释未完全趋于均衡的持续波动；同时生成路线选择理由，提高模型的解释性。

3.3 难点与挑战

  • 提示与记忆设计 ： 不同 LLM 对提示模板和记忆的敏感性不同，模型大小影响行为随机性。较大模型可能“过度自信”，降低探索。
  • 统计显著性 ： 部分模型（尤其是 LLM-gpt35 和 LLM-yi-medium）的逻辑回归系数在某些情景下 p 值大于 0.05，未达到显著水平。
  • 在非对称网络的均衡点，转换率差异不足，表明模型还不能完全重现实验室观察。

四、多 OD 网络实验及拓展分析

4.1 OW 与 SiouxFalls 网络及数据设置

为检验 LLMTraveler 在复杂网络中的适用性，作者在四 OD 点的 Ortúzar–Willumsen (OW) 网络和更大规模的 SiouxFalls 网络上进行了实验。OW 网络有 13 个节点、48 条双向边，四个 OD 对共 1700 名旅客，采用线性性能函数 。每个 OD 对利用 k 短路法生成 5 条候选路线；为了减少计算量，一个 LLMTraveler 代表  名旅客 (测试 10/20/50)，实验表明  的变化不影响收敛，故后续取 。

SiouxFalls 网络包含 24 个节点、76 条边和 30 个 OD 对，需求高达 18 万。为可行性，实验仅选取 6 个主要节点作为 OD 点，每个 OD 对 6000 人，且每个 LLMTraveler 代表 600 人，总计 300 名代理。

图6 OW 与 SiouxFalls 网络（取自Fig.7）
图6 OW 与 SiouxFalls 网络（取自Fig.7）

4.2 聚合层面行为

4.2.1 评价指标

  • 平均旅行时间 ： 所有旅客在同一日的平均行程时间。
  • 日转换率 (Day Switching Rate, DSR) ： 当日改变路线的旅客比例：

其中  为总旅客数， 为从第  日到  日换路的旅客数。

4.2.2 结果分析

  • 旅行时间与 DSR 走势 ： 图 7 显示各 LLMTraveler 在 OW 网络上平均旅行时间迅速下降并趋近均衡值，但仍保持一定波动；DSR 初期升高后下降并趋于稳定，多数模型在第 100 日 DSR < 0.2。
图7 各 LLMTraveler 的旅行时间与日转换率（取自Fig.9）
图7 各 LLMTraveler 的旅行时间与日转换率（取自Fig.9）

4.2.3 学习阶段划分

作者将旅客学习分为三阶段：

  • 探索阶段（1–20 日）：缺乏经验，随机选择多条路线。
  • 探索与开发并行阶段（21–60 日）：在利用已知较优路线的同时尝试较少探索的路线。
  • 开发阶段（>60 日）：大部分时间选择 EWMATT 最低的路线，但仍保留少量探索，造成轻微波动。

4.2.4 模型大小影响

图 8 指出，前 20 日 DSR 随模型参数量增加而增大，而后 20 日 DSR 反而随模型大小减小。较大模型由于人类反馈微调，倾向于快速收敛并减少探索。开源小模型因随机性较大，在后期仍保持较高转换率。

图8 前20日和后20日的平均DSR（取自Fig.10）
图8 前20日和后20日的平均DSR（取自Fig.10）

4.3 个体层面行为与记忆

图 9、图 10 展示两名基于 GPT‑3.5 模型的代理在同一 OD 对上的学习路径。两名代理分别从不同起始路线出发，经历了相反的探索顺序，最终分别锁定不同的最优路线（路线 2 与路线 1），其记忆中路线的 EWMATT 和选择次数分布不同。这一现象说明：

  • 个体代理的早期探索顺序会影响其长期偏好；
  • 虽然对各路线的平均 EWMATT 差异很小，但选择次数差异很大，体现记忆塑造行为；
  • 所有路线至少被尝试数次，符合现实旅客偶尔尝试新路线的现象。
图9 路径选择的演变（取自Fig.11）
图9 路径选择的演变（取自Fig.11）
图10 两个LLM旅行者的学习记忆（取自Fig.12）
图10 两个LLM旅行者的学习记忆（取自Fig.12）

4.4 与 MNL 与 RL 方法对比

在 OW 网络上比较 LLMTraveler、MNL 和强化学习 (RL) 方法：

  • 收敛速度 ： MNL 由于将所有经验聚合，初期收敛最快，但缺乏波动；RL 和 LLMTraveler 则在平衡探索与开发中展现更真实的逐日调整。
  • 平均旅行时间 ： 三者最终的平均旅行时间相近 (~71.1 分钟)。LLMTraveler 和 RL 在稳定后仍保持轻微随机性，使平均行程时间略低于 MNL。
  • 学习效率 ： LLMTraveler 在早期学习阶段的行程时间下降速度快于 RL，表明提示驱动的思考能加速策略形成。

4.5 路径数量影响的稳健性分析

作者通过改变每个 OD 对的候选路数  (=5、10、15) 检验鲁棒性。利用 Jaccard 相似度 衡量新增路线与最短路径的重叠：

结果表明增大  提供了更多结构多样的替代路线，但也增加学习时长。多数模型  或  时能达到更低的平均旅行时间，但如 GPT‑3.5 模型在  时反而退步，因为过度集中于少数路线，探索不足。

4.6 大规模网络验证

在 SiouxFalls 网络上，LLMTraveler 仍表现出稳定的日常适应性并比 RL 基线更快收敛，说明该方法具有一定的可扩展性。不过论文指出此研究主要关注行为演化而非大规模交通均衡，未来需要更多轻量模型和算法来提升可扩展性。

4.7 挑战与思考

  • 模型尺寸与推理温度 ： 大模型因 RLHF 调整，可能呈现过度自信、探索不足；推理温度等参数会影响探索–开发平衡。
  • 提示设计适应性 ： 不同 LLM 对 Prompt 模板反应不同，需针对模型特性定制提示，以避免集中于少数路线。
  • 计算代价 ： LLMTraveler 相比传统 ABM 更耗时，代理数与模型规模加剧计算负担。

五、讨论与结论

5.1 扩展性与应用场景

LLMTraveler 展现了在不同规模网络中的适用性。除了路径选择，它还能用于：

  • 数据驱动行为建模 ： 通过上下文提示，可在缺乏调查数据时生成合成出行响应，用于新政策预测。
  • 政策仿真分析 ： 模型能模拟实施拥堵收费、票价调整等干预前后的个体和系统反应。
  • 集成优化框架 ： LLMTraveler 可嵌入交通分配、服务调度或时刻表优化模型中，作为行为反馈模块。

5.2 可解释性与行为真实性

LLMTraveler 在输出中提供路线选择理由，反映其依赖 EWMATT 和选择次数进行权衡的思考过程。这些解释提高了透明度，但是否符合真实旅客的心理仍有待实证验证。未来可结合真实调查数据校准模型性格与行为偏好。

5.3 研究贡献与未来方向

论文首次将大语言模型引入日常路径选择建模，并提出 LLMTraveler 框架，创新点包括：

  • 设计包含个性、记忆和思考引导的综合 Prompt，利用 ICL 能力模拟逐日决策行为；
  • 构建 DTD 路径选择模型并在单 OD 与多 OD 场景中验证，发现其能复现实验室观察的多种行为规律，同时提供可解释的选择理由；
  • 展示轻量开源 LLM 与大型闭源模型在表现上的差异，说明小模型在一定条件下也能有效模拟人类出行行为。

存在的局限包括仅针对路径选择的单一决策，缺乏对出行方式、出发时间等多维决策的集成；未考虑天气、事故等外部因素；以及计算效率需提高。未来可探索将 LLMTraveler 扩展到更多出行决策，利用轻量模型提高可扩展性，并结合实证数据提升行为真实性。

文章须知 

推文编辑：单子叶 

责任编辑：张仁义

原文链接：https://doi.org/10.1016/j.trc.2025.105307