In diesem Artikel wird ein intelligenter Agent zur Fahrzeugrisikoanalyse vorgestellt, der auf einem großen Sprachmodell basiert und durch ein Wissensgraphen- und Denkketten-(CoT)-Framework geleitet wird. Zunächst wird zur Sicherheitsüberwachung von Schlüssel-Fahrzeugen das verstreute riskante Fahrverhalten, Verkehrsunfälle und Straßennetzdaten als ein einheitliches semantisches Wissensgraphnetzwerk modelliert. Dann wurde eine hierarchische CoT-Reasoning-Architektur auf Basis von Prompt-Engineering entworfen, die das große Sprachmodell dazu anleitet, das Problem zu verstehen, Daten abzufragen, Ergebnisse zu bestätigen und Abfragen zu korrigieren, was zu einem nachvollziehbaren Reasoning-Prozess führt und die Genauigkeit sowie Robustheit von Fragen und Antworten verbessert. Experimente zeigen, dass der intelligente Agent zur Fahrzeugrisikoanalyse die Risikoanalyse und assoziative Exploration unter natürlicher Sprachinteraktion effektiv unterstützt, bei komplexen Abfrageaufgaben gute Leistungen erbringt und mithilfe von Subgraphanalysen effiziente, intelligente und erklärbare Entscheidungsanalysetools für das Verkehrsmanagement bereitstellen kann.

Fahrzeuge; Risikoanalyse; Wissensgraph; großes Sprachmodell; Denkette; intelligenter Agent