ChatPlanner：一种用于个性化公共交通路径规划的大型语言模型框架

针对公共交通系统中难以捕捉和整合多样化用户偏好的挑战，本文提出了 ChatPlanner 框架。该框架利用微调的大语言模型结合检索增强生成（RAG）技术，从自然语言查询中提取路由参数并解读细微的用户偏好，将其整合至路由算法的目标函数中。研究构建了包含多种角色与情境的数据集，并通过实验验证了方案的可行性。结果表明，微调确保了输出结构，RAG 解决了表达模糊问题，两者结合显著提升了偏好解读精度，能生成现有规划器忽略的高价值路线方案。