一种融合图神经网络与大语言模型的大件运输智能选线实现方法

本发明公开了一种融合图神经网络与大语言模型的大件运输智能选线实现方法，包括以下步骤：S1、根据大件运输历史数据和实时环境数据，构建多源特征至统一高维向量空间；S2、通过多模态输入，构建结构化提示模板；S3、基于结构化提示模板，并结合大语言模型生成候选路线集；S4、通过强化学习框架，对候选路线集进行动态优化，并输出最优路线，相比现有技术，本发明通过多模态特征融合、图结构语义压缩和大模型推理优化，实现大件运输路线的智能生成与动态决策，能显著提升运输可靠性、安全性和经济性；能够实时响应交通事故实现路线调整，动态优化路线降低通行费用，并通过历史案例学习持续提升规划质量，保障超限货物安全准时送达。