Intellectual Technologies on Transport Intellectual Technologies on Transport Интеллектуальные технологии на транспорте 2413-2527 113645 10.20295/2413-2527-2026-145-33-40 ktnbau ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ ARTIFICIAL INTELLIGENCE AND TRANSPORT SYSTEMS ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ТРАНСПОРТНЫЕ СИСТЕМЫ Prospects for Using Large Language Models of Artificial Intelligence in Transport Перспективы использования больших языковых моделей искусственного интеллекта на транспорте https://orcid.org/0000-0002-0329-2163 Тюгашев Андрей Александрович Tyugashev Andrey Aleksandrovich tau797@mail.ru

доктор технических наук;

doctor of technical sciences;

 Институт автоматики и информационных технологий, Самарский государственный технический университет Самара Россия Automation and Information Technology Institute, Samara State Technical University Samara Russian Federation 25 03 2026 25 03 2026 1 33 40 22 01 2026 06 02 2026 https://brni.editorum.ru/en/nauka/article/113645/view

Анализируются перспективы использования больших языковых моделей (БЯМ), таких как GPT-5.2 и Gemini 3, в транспортной отрасли посредством применения в проектировании транспортных средств, автономной навигации, управлении движением и пр. Особое внимание уделяется генерации с дополненной выборкой и мультимодальной обработке. Среди ключевых обсуждаемых проблем — сертификация безопасности, прозрачность моделей и этические аспекты их внедрения. Цель: определить перспективы использования ИИ-агентов на основе БЯМ в транспортной отрасли. Результаты: рассмотрены использование генерации с дополненной выборкой и многомодальная обработка данных, а также примеры, включая управление светофорами с помощью ИИ, генерацию сценариев моделирования и анализ усталости водителей. Теоретическая значимость: сделан вывод о неизбежности синергии ИИ и транспорта для повышения безопасности и эффективности. Предполагается, что БЯМ будут играть важную роль в будущих интеллектуальных адаптивных транспортных системах.

This paper explores the potential of using large language models (LLMs), such as GPT-5.2 and Gemini 3, in the transportation industry through applications in vehicle design, autonomous navigation, traffic control, and other areas. Special attention is given to augmented sampling generation and multimodal processing. Key issues discussed include safety certification, model transparency, and ethical considerations of their implementation. Purpose: to investigate the prospects for using AI agents based on LLMs in the transport industry. Results: this paper considers the use of augmented sampling generation and multimodal data processing, along with examples, including traffic light control using AI, simulation scenario generation and driver fatigue analysis. Theoretical Significance: this paper concludes that the synergy between AI and transportation will inevitably lead to increased safety and efficiency, and that LLMs will play a significant role in future intelligent adaptive transport systems.

 большие языковые модели транспорт интеллектуальные агенты предиктивное техобслуживание генеративное проектирование критические системы large language models transportation AI agents predictive maintenance generative design safety-critical systems

Часовских В. П., Кох Е. В. Технологии цифровой трансформации на транспорте // Фундаментальные исследования. 2023. № 8. С. 57–61. DOI: 10.17513/fr.43495. Chasovskikh V. P., Koch E. V. Tekhnologii tsifrovoy transformatsii na transporte [Technologies of Digital Transformation in Transport], Fundamentalnye issledovaniya [Fundamental Research], 2023, no. 8, pp. 57–61. DOI: 10.17513/ fr.43495. (In Russian) Механизмы интеллектуальных обратных связей, обработки знаний и самообучения в системах управления автономными роботами и мультиагентными робототехническими группировками / В. М. Лохин [и др.] // Мехатроника, автоматизация, управление. 2015. Т. 16, № 8. С. 545–555. DOI: 10.17587/mau.16.545-555. Lokhin V. M., et al. Mekhanizmy intellektualnykh obratnykh svyazey, obrabotki znaniy i samoobucheniya v sistemakh upravleniya avtonomnymi robotami i multiagentnymi robototekhnicheskimi gruppirovkami [Intelligent Feedback, Knowledge Processing and Self Learning in the Control Systems of the Autonomous Robots and Multi-Agent Robotic Groups], Mekhatronika, Avtomatizatsiya, Upravlenie, 2015, vol. 16, no. 8, pp. 545–555. DOI: 10.17587/mau.16.545-555. (In Russian) Carlson K. W. Highlights of the Issue: Governance, Agents, Evolutionary Search // SuperIntelligence — Robotics — Safety and Alignment. 2025. Vol. 2, no. 3. 6 p. DOI: 10.70777/si.v2i3.15417. Carlson K. W. Highlights of the Issue: Governance, Agents, Evolutionary Search, SuperIntelligence — Robotics — Safety and Alignment, 2025, vol. 2, no. 3, 6 p. DOI: 10.70777/si.v2i3.15417. Nie T., Sun J., Ma W. Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap // Artificial Intelligence for Transportation. 2025. Vol. 1. Art. no. 100003. 31 p. DOI: 10.1016/j.ait.2025.100003. Nie T., Sun J., Ma W. Exploring the Roles of Large Language Models in Reshaping Transportation Systems: A Survey, Framework, and Roadmap, Artificial Intelligence for Transportation, 2025, vol. 1, art. no. 100003, 31 p. DOI: 10.1016/j.ait.2025.100003. Generative AI in Transportation Planning: A Survey / L. Da [et al.] // ArXiv. 2025. Vol. 2503.07158. 56 p. DOI: 10.48550/arXiv.2503.07158. Da L., et al. Generative AI in Transportation Planning: A Survey, ArXiv, 2025, vol. 2503.07158, 56 p. DOI: 10.48550/ arXiv.2503.07158. A Gentle Introduction and Tutorial on Deep Generative Models in Transportation Research / S. Choi [et al.] // Transportation Research. Part C: Emerging Technologies. 2025. Vol. 176. Art. no. 105145. 66 p. DOI: 10.1016/j.trc.2025.105145. Choi S., et al. A Gentle Introduction and Tutorial on Deep Generative Models in Transportation Research, Transportation Research Part C: Emerging Technologies, 2025, vol. 176, art. no. 105145, 66 p. DOI: 10.1016/j.trc.2025.105145. Benchmarking the Capabilities of Large Language Models in Transportation System Engineering: Accuracy, Consistency, and Reasoning Behaviors / U. Syed [et al.] // ArXiv. 2024. Vol. 2408.08302. 23 p. DOI: 10.48550/ arXiv.2408.08302. Syed U., et al. Benchmarking the Capabilities of Large Language Models in Transportation System Engineering: Accuracy, Consistency, and Reasoning Behaviors, ArXiv, 2024, vol. 2408.08302, 23 p. DOI: 10.48550/arXiv.2408.08302. Романов А. М. Обзор аппаратно-программного обеспечения систем управления роботов различного масштаба и назначения. Часть 1. Промышленная робототехника // Russian Technological Journal. 2019. Т. 7, № 5. С. 30–46. DOI: 10.32362/2500-316X-2019-7-5-30-46. Romanov A. M. Obzor apparatno-programmnogo obespecheniya sistem upravleniya robotov razlichnogo masshtaba i naznacheniya. Chast 1. Promyshlennaya robototekhnika [A Review on Control Systems Hardware and Software for Robots of Various Scale and Purpose. Part 1. Industrial Robotics], Russian Technological Journal, 2019, vol. 7, no. 5, pp. 30–46. DOI: 10.32362/2500-316X-2019-7-5-30-46. (In Russian) Солятов А. А., Сидоренко В. С. Система мехатронных модулей управления адаптивного торможения // Динамика и виброакустика. 2021. T. 7, № 4. С. 40–49. DOI: 10.18287/2409-4579-2021-7-4-40-49. Solyatov A. A., Sidorenko V. S. Sistema mekhatronnykh moduley upravleniya adaptivnogo tormozheniya [System of Mechatronic Control Modules for Adaptive Braking], Dinamika i vibroakustika [Journal of Dynamics and Vibroacoustics], 2021, vol. 7, no. 4, pp. 40–49. DOI: 10.18287/2409-4579-2021-7-4-40-49. (In Russian) Федоров В. А., Огородникова О. М. Повышение качества обучения сверточных нейронных сетей в задачах технического зрения беспилотных поездов // Моделирование, оптимизация и информационные технологии. 2025. Т. 13, № 4. 11 с. DOI: 10.26102/2310-6018/2025.51.4.002. Fedorov V. A., Ogorodnikova O. M. Povyshenie kachestva obucheniya svertochnykh neyronnykh setey v zadachakh tekhnicheskogo zreniya bespilotnykh poezdov [Improving the Quality of Convolutional Neural Networks Learning in the Tasks of Machine Vision of Unmanned Trains], Modelirovanie, optimizatsiya i informatsionnye tekhnologii [Modeling, Optimization and Information Technology], 2025, vol. 13, no. 4, 11 p. DOI: 10.26102/2310-6018/2025.51.4.002. (In Russian) Сацюк А. В. Мониторинг инфраструктуры на основе искусственного интеллекта // Автоматика, связь, информатика. 2025. № 9. С. 32–34. DOI: 10.62994/AT.2025.9.9.005. Satsiuk A. V. Monitoring infrastruktury na osnove iskusstvennogo intellekta [Automated Monitoring System for Railway Infrastructure Based on Artificial Intelligence], Avtomatika, svyaz, informatika [Automation, Communications, Informatics], 2025, no. 9, pp. 32–34. DOI: 10.62994/AT.2025.9.9.005. (In Russian) Multimodal LLM for Intelligent Transportation Systems / D. Le [et al.] // ArXiv. 2024. Vol. 2412.11683. 5 p. DOI: 10.48550/arXiv.2412.11683. Le D., et al. Multimodal LLM for Intelligent Transportation Systems, ArXiv, 2024, vol. 2412.11683, 5 p. DOI: 10.48550/arXiv.2412.11683. Li S., Azfar T., Ke R. ChatSUMO: Large Language Model for Automating Traffic Scenario Generation in Simulation of Urban Mobility // ArXiv. 2024. Vol. 2409.09040. 10 p. DOI: 10.48550/arXiv.2409.09040. Li S., Azfar T., Ke R. ChatSUMO: Large Language Model for Automating Traffic Scenario Generation in Simulation of Urban Mobility, ArXiv, 2024, vol. 2409.09040, 10 p. DOI: 10.48550/arXiv.2409.09040. Exploring the Potential of Large Language Models in Public Transportation: San Antonio Case Study / R. Jonnala [et al.] // ArXiv. 2025. Vol. 2501.03904. 10 p. DOI: 10.48550/arXiv.2501.03904. Jonnala R., et al. Exploring the Potential of Large Language Models in Public Transportation: San Antonio Case Study, ArXiv, 2025, vol. 2501.03904, 10 p. DOI: 10.48550/arXiv.2501.03904. Хижняк М. А. Развитие информационной платформы АСУ станции посредством взаимодействия с системами идентификации подвижного состава, комплексами управления сортировочной автоматикой и устройствами спутниковой навигации // Вестник Научно-исследовательского института железнодорожного транспорта. 2018. Т. 77, № 2. С. 118–124. DOI: 10.21780/2223-9731-2018-77-2-118-124. Khizhnyak M. A. Razvitie informatsionnoy platformy ASU stantsii posredstvom vzaimodeystviya s sistemami identifikatsii podvizhnogo sostava, kompleksami upravleniya sortirovochnoy avtomatikoy i ustroystvami sputnikovoy navigatsii [Development of the Information Platform of the Station ACS Through Interaction with the Rolling Stock Identification Systems, Control Complexes for Sorting Automation and satellite Navigation Devices], Vestnik Nauchno-issledovatelskogo instituta zheleznodorozhnogo transporta [Russian Railway Science Journal], 2018, vol. 77, no. 2, pp. 118–124. DOI: 10.21780/2223-9731-2018-77-2-118-124. (In Russian)