大语言模型辅助制定运输管理计划：以WisDOT WisTMP系统为例

工作区是交通基础设施的关键但危险的组成部分，需要精心设计的交通管理计划 (TMP) 以确保安全和流动性。然而，TMP 的制备仍然是劳动稠密型的，并且严重依赖于从业者的专业知识。本文提出了一种大型语言模型 (LLM) 辅助框架，利用 WisDOT WisTMP 系统作为应用程序上下文来自动生成 TMP 内容。该框架对不同模型规模的多个开源LLM进行了微调，并将其部署在本地以确保数据安全。为了支持模型训练，我们通过将 PDF 文件转换为 JSON 格式的结构化问答对，从历史 WisTMP 文档构建特定于领域的数据集。实验结果表明，微调显着提高了标准文本生成指标的性能。进一步的分段和策略层面的分析表明，虽然LLM取得了强劲的整体表现，但他们往往会过度制定策略，并且难以提供特定于项目的理由和准确的成本 估计。此外，从 7B/8B 扩展到 14B 的收益有限。这些发现证明了LLM在提高 TMP 制备效率方面的潜力，同时强调了LLM协助的 TMP 开发中仍然存在的挑战。源代码和演示视频将在https://zihaosheng.github.io/TMP-LLM/.公开