Cet article propose un cadre d'agent intelligent d'analyse des risques des véhicules basé sur un grand modèle de langage guidé par un graphe de connaissances et une chaîne de pensée (CoT). Tout d'abord, pour la supervision de la sécurité des véhicules clés, les comportements de conduite à risque dispersés, les accidents de la route et les données du réseau routier sont modélisés en un réseau sémantique unifié de graphe de connaissances sur les risques. Ensuite, une architecture CoT de raisonnement hiérarchique basée sur l'ingénierie des invites est conçue, guidant le grand modèle de langage pour comprendre la question, interroger les données, confirmer les résultats et corriger les requêtes dans un processus de raisonnement traçable, améliorant la précision et la robustesse des questions-réponses. Les expériences montrent que l'agent intelligent d'analyse des risques des véhicules peut efficacement soutenir l'analyse des risques et l'exploration relationnelle sous interaction en langage naturel, performe bien dans diverses tâches de requêtes complexes, et peut combiner l'analyse de sous-graphes pour fournir des outils d'analyse décisionnelle efficaces, intelligents et explicables pour la gestion du trafic.

véhicules; analyse des risques; graphe de connaissances; grand modèle de langage; chaîne de pensée; agent intelligent