El artículo propone un marco de agente inteligente para el análisis de riesgos vehiculares basado en modelos de lenguaje grandes guiados por un grafo de conocimiento y cadena de pensamiento (CoT). Primero, orientado a la supervisión de seguridad de vehículos clave, se modelan comportamientos de conducción riesgosos dispersos, accidentes de tráfico y datos de la red vial como una red semántica unificada del grafo de conocimiento de riesgos. Luego, se diseñó una arquitectura de razonamiento CoT jerárquica basada en ingeniería de mensajes, que guía al modelo de lenguaje grande para entender el problema, consultar datos, confirmar resultados y corregir consultas en un proceso de razonamiento rastreable, mejorando la precisión y robustez de preguntas y respuestas. Los experimentos demuestran que el agente inteligente de análisis de riesgos vehiculares puede apoyar eficazmente el análisis y la minería asociativa de riesgos bajo interacción en lenguaje natural, desempeñándose bien en múltiples tareas de consulta complejas, y puede combinar análisis de subgrafos para proporcionar herramientas de análisis de decisiones eficientes, inteligentes y explicables para la gestión del tráfico.

vehículos; análisis de riesgos; grafo de conocimiento; gran modelo de lenguaje; cadena de pensamiento; agente inteligente