为防失联请星标一下我吧导读传统城市出行仿真依赖刚性规则难以还原人类出行决策的复杂性、适应性与行为多样性。同济大学团队将大语言模型与生成式智能体引入交通仿真提出GATSim 框架让智能体具备记忆、学习、反思与动态决策能力实现从规则驱动到智能驱动的仿真变革。本文深度解读这项发表于Transportation Research Part C的顶刊研究带你看懂生成式智能体如何赋能交通仿真。1基本信息标题GATSim: Urban mobility simulation with generative agents期刊:Transportation Research Part C: Emerging Technologies作者Qi Liu, Can Li*, Wanjing Ma单位同济大学道路与交通工程教育部重点实验室关键词生成式智能体、大语言模型、城市出行仿真、多智能体仿真、交通行为建模发表时间2026年 2 月在线出版代码开源https://github.com/qiliuchn/gatsim2核心创新点一体化仿真架构首次构建融合城市出行基础模型 智能体认知系统 交通仿真环境的完整框架实现模块化灵活集成。时空分层记忆系统设计融合关键词匹配、语义相似度、时空关联性的多模态检索机制支持出行场景精准记忆调用。自适应行为决策机制提出多尺度反思 规划 响应机制让智能体从出行经验中学习动态适配交通环境变化。认知级行为还原智能体具备社会经济属性、生活方式与动态偏好无需硬编码即可生成真实出行行为。GATSim 框架总体架构展示城市出行仿真环境与生成式智能体模块之间的交互关系。该框架整合三大核心组件用于人口合成与行为生成的城市出行基础模型、面向城市出行设计的具备认知架构的生成式智能体以及负责系统动力学与用户交互管理的仿真环境。3论文摘要传统基于智能体的城市出行仿真依赖刚性规则系统难以刻画人类出行决策的复杂性、适应性与行为多样性。受大语言模型与 AI 智能体技术启发本文提出GATSimGenerative-Agent Transport Simulation 框架采用具备专属认知结构的生成式智能体模拟城市出行。GATSim 智能体拥有多元社会经济画像、个性化生活方式通过心理学启发的记忆系统与终身学习形成动态偏好。本文贡献融合城市出行基础模型、智能体认知系统与仿真环境的一体化架构支持时空关联信息高效检索的分层记忆系统融合多尺度反思的自适应出行行为规划与响应机制。实验表明生成式智能体在角色扮演中表现与人类标注者相当且能自然生成真实宏观交通流。原型代码已开源。4研究动机传统仿真瓶颈主流框架如 MATSim依赖规则 / 优化无法还原人类出行的异质性、适应性、社交互动行为多样性不足。大模型技术机遇生成式智能体可通过自然语言推理与记忆学习实现类人行为但通用认知架构不适配城市出行决策。研究缺口现有 LLM 交通研究聚焦单点预测 / 生成缺乏人口合成 行为建模 系统动力学的一体化仿真方案。GATSim 框架核心能力(a)生成式智能体活动调整与途中决策。该图展示智能体如何基于当前状态、检索到的记忆与上下文信息动态调整活动计划并实时做出出行决策。(b)GATSim 原型图形用户界面GUI。用户输入分支名称、运行名称与指令点击 “提交submit” 与 “启动start” 即可运行仿真界面可展示交通网络信息、人口统计数据以及智能体的实时计划与行为。5研究方法1. 三层仿真环境交通网络图 瓦片图 位图分层表达支持多模式出行与拥堵仿真人口管理生成含年龄、职业、偏好、社交关系的高保真合成人口用户界面支持自然语言场景定义、实时可视化、人机交互。仿真环境中的交通网络表达该分层体系采用图结构数据用于基于大语言模型的场景生成瓦片地图用于地图编辑与动画展示位图可视化用于终端用户交互。公交网络参照 Spiess 和 Florian 提出的方法通过虚拟上下行连接段进行建模。2. 城市出行基础模型基于 LLM 生成叙事式智能体画像覆盖人口统计、生活方式、出行偏好采用模型集成策略大模型负责规划轻量模型负责聊天、评分等轻量任务。3. 生成式智能体认知系统分层记忆短期记忆当日计划 长期记忆经验、反思、社交互动多模态检索关键词 语义 时空三重匹配结合时效性与重要性打分多尺度反思即时反思响应决策→每日反思经验总结→长期反思行为固化动态规划感知→记忆检索→社交协商→决策修正支持实时路径 / 时间 / 计划调整。智能体活动规划流程智能体行为生成流程多尺度反思机制6实验结果1. 微观行为验证智能体 vs 人类50 个场景、LLM-as-judge 评估智能体 46% 更真实人类 40% 更真实14% 持平统计检验无显著差异92% 概率智能体表现不劣于人类智能体可动态改道、调时、换方式从经验中优化出行策略。智能体与人类行为对比统计分析2. 宏观交通流验证连续 3 天仿真智能体通过学习主动错峰出行早高峰逐渐提前拥堵自发缓解无需编码即可涌现真实交通均衡趋势与传统均衡模型结果一致。3. 突发事件响应验证道路通行能力减半后智能体立即绕行、长期规避呈现真实人群过度反应与不对称恢复特征可模拟交通中断下的分布式适应与集体行为无需预设规则。实验交通网络拓扑3 天交通状态演化突发事件响应演化7未来展望现有局限LLM 存在幻觉、常识违背、空间推理不足等问题多智能体协同易失败智能体过度顺从简化点排队交通流模型计算成本限制大规模部署。未来方向融合交通领域决策启发式如 “预留 10 分钟缓冲”支持动态社交网络演化深化社交互动与出行耦合模型压缩与高效推理实现城市级大规模仿真构建真实行为数据基准完善仿真验证体系拓展至共享出行、应急疏散、政策评估等场景。GATSim 开启了从规则驱动到认知智能驱动的城市交通仿真新范式让仿真智能体真正 “会思考、能学习、懂适应”。开源框架为交通规划、政策评估、应急管理提供全新工具期待推动交通仿真走向更真实、更灵活、更智能的未来。期待你的分享点赞在看欢迎关注微信公众号《当交通遇上机器学习》如果你和我一样是轨道交通、道路交通、城市规划相关领域的也可以加微信Dr_JinleiZhang备注“进群”加入交通大数据交流群希望我们共同进步· 往期推荐Commun. Transp. Res. | 微观 - 宏观贯通同济团队提出解析型随机基本图模型TR-C丨东南大学TRIP智能交通大模型基础框架研究城市轨道交通网络行车组织与客流态势一体化仿真框架Communications in Transportation Research | 一种可解释交通流预测大语言模型城市轨道交通网络行车组织与客流态势一体化仿真框架