kth.sePublications KTH
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Reliable Semantic Configuration of Electric Vehicle Routing Problems via LLM-based Agentic Tooling
KTH, School of Electrical Engineering and Computer Science (EECS).
2026 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Tillförlitlig semantisk konfiguration av elektriska fordonsruttproblem med LLM-baserade agentverktyg (Swedish)
Abstract [en]

The transition to electric heavy-duty freight transport increases the practical complexity of daily route planning. Electric vehicle routing problem solvers can represent constraints such as battery capacity, charging availability, time windows, and energy consumption, but they often require planners to edit rigid and highly interdependent configuration files. This creates a usability barrier: operational users may understand the business intent of a change, while still finding it difficult to translate that intent into safe low-level JSON mutations. This thesis investigates whether a large-language-model-based natural language interface can make such configuration work faster and safer when the model is constrained by deterministic tools. Following a Design Science Research approach, the work develops a prototype Decision Optimization CoPilot for electric vehicle routing configuration. The prototype combines a Streamlit chat interface, a commercial frontier large language model, a Model Context Protocol inspired tool registry, dry-run previews, rollback snapshots, and a native validation backstop. The large language model is not allowed to directly overwrite files; instead, it proposes tool calls that are executed by deterministic Python functions and checked before changes are committed. The evaluation compares the prototype with a manual GUI interface across task scenarios derived from five complexity levels. The measured results show that the LLM CoPilot reduced average time on task from 3.8 minutes to 1.2 minutes, reduced interaction count from 35.2 manual clicks or edits to 2.5 prompts, and improved mean participant-level execution accuracy from 83.3% to 100.0%. Survey feedback also indicated higher perceived satisfaction for the CoPilot workflow. The contribution is therefore an architecture that connects semantic intent interpretation with deterministic execution, human confirmation, and validation for safety-critical configuration changes.

Abstract [sv]

Övergången till elektriska tunga godstransporter gör den dagliga ruttplaneringen mer komplex. Optimeringslösare för elektriska fordonsruttproblem kan modellera begränsningar som batterikapacitet, laddningsmöjligheter, tidsfönster och energiförbrukning, men de kräver ofta att planerare redigerar strikta och starkt beroende konfigurationsfiler. Detta skapar ett användbarhetsproblem: operativa användare kan förstå den affärsmässiga avsikten med en ändring, men ändå ha svårt att översätta den till säkra ändringar i JSON-filer. Detta examensarbete undersöker om ett naturligt språkgränssnitt baserat på stora språkmodeller kan göra sådant konfigurationsarbete snabbare och säkrare när modellen begränsas av deterministiska verktyg. Med Design Science Research som metod utvecklas en prototyp av en Decision Optimization CoPilot för konfiguration av elektrisk fordonsruttning. Prototypen kombinerar ett chattgränssnitt i Streamlit, en kommersiell avancerad språkmodell, ett verktygsregister inspirerat av Model Context Protocol, förhandsgranskning före körning, återställningsögonblicksbilder och ett inbyggt valideringslager. Språkmodellen får inte skriva direkt till filerna, utan föreslår verktygsanrop som körs av deterministiska Python-funktioner och kontrolleras innan ändringarna sparas. Utvärderingen jämför prototypen med ett manuellt GUI-gränssnitt över uppgiftsscenarier från fem komplexitetsnivåer. De uppmätta resultaten visar att LLM CoPilot minskade den genomsnittliga uppgiftstiden från 3,8 minuter till 1,2 minuter, minskade antalet interaktioner från 35,2 manuella klick eller ändringar till 2,5 promptar och förbättrade den genomsnittliga exekveringsnoggrannheten på deltagarnivå från 83,3% till 100,0%. Enkätsvaren visade också högre upplevd tillfredsställelse för CoPilot-arbetsflödet. Bidraget är därför en arkitektur som kopplar semantisk tolkning av användarens avsikt till deterministisk exekvering, mänsklig bekräftelse och validering för säkerhetskritiska konfigurationsändringar.

Place, publisher, year, edition, pages
2026. , p. 33
Series
TRITA-EECS-EX ; 2026:405
Keywords [en]
Electric Vehicle Routing Problem, Large Language Models, Natural Language Interface, Model Context Protocol, Design Science Research
Keywords [sv]
Elektriska fordonsruttproblem, Stora språkmodeller, Naturligt språkgränssnitt, Model Context Protocol, Design Science Research
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-391278OAI: oai:DiVA.org:kth-391278DiVA, id: diva2:2112324
Educational program
Master of Science - Software Engineering of Distributed Systems
Supervisors
Examiners
Available from: 2026-11-03 Created: 2026-10-22 Last updated: 2026-11-03Bibliographically approved

Open Access in DiVA

fulltext(654 kB)16 downloads
File information
File name FULLTEXT01.pdfFile size 654 kBChecksum SHA-512
f6cc816d4081f139e3692d177c0a928fa17fd035d8811be72fe28b8aa57ec91f0bcc83fc8df80560bc603d00da139d082693be816326cc8c859ce3a580779036
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 16 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 724 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf