基于大语言模型的自适应与可解释交通态势预测方法及系统

本发明公开了基于大语言模型的自适应与可解释交通态势预测方法及系统，该方法包括以下步骤：获取与预测任务相关的历史交通数据，输入训练好的时序预测基础模型，基于预测任务生成多条预测时段的候选交通状态轨迹；获取与预测时段相关的上下文信息，并基于配置好的大语言推理模型，对候选交通状态轨迹进行评估，得出符合预测时段上下文信息的最优轨迹；基于最优轨迹和上下文信息，利用配置好的大语言解读模型生成文本报告。本发明通过时序预测基础模型进行概率预测，并通过大语言模型进行上下文推理和文本生成，显著提升了交通预测在异常事件下的准确性、适应性和可解释性，为实现智能交通提供了有力支撑。