PEMANT：角色丰富的旅行多代理协商

对家庭层面的出行生成进行建模是准确需求预测、交通流量估算和城市系统规划的基础。现有的研究大多基于预测能力有限的经典机器学习模型，而最近基于大语言模型的方法尚未纳入行为理论或家庭内部互动动态，而这两者对于模拟现实的集体旅行决策至关重要。为了解决这些局限性，我们提出了一种基于大语言模型的新颖框架，名为丰富角色旅行多智能体协商（PEMANT），该框架首先集成个性化角色建模的行为理论，然后通过结构化多智能体对话进行家庭级别的旅行规划协商。具体来说，PEMANT 将静态的社会人口统计属性转化为连贯的叙述档案，按照我们提出的家庭意识计划行为链 (HA-CoPB) 框架，明确编码家庭层面的态度、主观规范和感知行为控制。基于这些基于理论的角色，PEMANT 通过结构化的两阶段多代理对话框架和新颖的角色对齐控制机制来捕获现实世界的家庭决策协商。通过对国家和地区家庭旅行调查数据集进行评估，PEMANT 在各个数据集上的表现始终优于最先进的基准。