Aug, 2023

大型语言模型作为人类移动预测器

PDF
TL;DR本文介绍了利用大型语言模型（LLM）进行人类移动性预测的潜力。通过引入 LLM-Mob 方法，该研究提出了历史停留和上下文停留的概念，以捕捉人类移动性中的长期和短期依赖，并通过使用预测目标的时间信息实现时间感知预测。全面的评估结果表明，LLM-Mob 在提供准确可解释预测方面表现出色，突显了 LLM 在推进人类移动性预测技术上的未开发潜力。
human mobility predictionlarge language modelsllm-mobhistorical stayscontext-inclusive prompts
发现论文，激发创造
  • 大型语言模型用于空间轨迹模式挖掘

    通过对领先的大语言模型如 GPT-4 和 Claude-2 在检测移动数据中的异常行为的能力进行实证研究，我们的研究发现大语言模型可以在没有特定线索的情况下达到合理的异常检测性能，并且在提供上下文线索的情况下可以进一步提高预测效果，同时能够提供合理的判断解释，从而增加透明度，为人类空间轨迹分析的研究提供了洞察。

    Oct, 2023

  • 交通系统中的大型语言模型：关于预测任务的调查

    使用大型语言模型 (LLM) 对移动性预测问题进行综述，介绍了在交通系统内使用 LLM 的应用、最新进展以及需要克服的挑战。

    May, 2024

  • 基于大型语言模型的公共事件下人类移动性预测探究

    公共活动下的人类移动性预测面临着挑战，但基于大型语言模型的 LLM-MPE 框架通过处理文本数据、学习和生成可读解释等方式，以标准化格式转换事件描述信息、将历史移动数据分割为常规和事件相关组件，并利用历史移动和事件特征进行需求预测并提供解释性洞察，以提高准确性。

    Nov, 2023

  • 大型语言模型驱动的上下文感知运动预测

    通过利用大型语言模型（LLMs）增强全局交通语境理解来提高动作预测任务的准确性，并考虑到 LLMs 的成本，我们提出了一种成本效益的部署策略：通过拥有 0.7% 的 LLM 增强数据集来扩大动作预测任务的准确性。

    Mar, 2024

  • 大型语言模型用于旅行行为预测

    利用大型语言模型进行旅行行为预测，无需数据参数学习，准确性可与传统的监督学习方法相媲美，并能输出预测的原因，但存在逻辑矛盾或幻觉的情况。

    Nov, 2023

  • 大型语言模型作为城市居民：用于个人移动生成的 LLM 代理框架

    这篇论文介绍了一种使用大型语言模型（LLM）融入到代理框架中的创新方法，用于灵活高效的个性化移动生成，并重点解决了将 LLMs 与现实世界的城市移动数据对接的三个研究问题：将 LLMs 与丰富的活动数据对接、开发可靠的活动生成策略以及探索 LLMs 在城市移动中的应用。

    Feb, 2024

  • 流行病模型中的人类移动性预测简要调查：从 Transformers 到 LLMs

    本文综述了最近在利用机器学习技术（尤其是 Transformer 模型）预测疫情期间人类流动模式方面的进展。了解疫情期间人们的流动情况对于建立疾病传播模型和制定有效的应对策略至关重要。预测人口流动对于提供流行病学模型的信息和在公共卫生紧急情况下实施有效的应对计划非常关键。预测流动模式可以使当局更好地预测疾病的地理和时间传播情况，更高效地分配资源，并实施有针对性的干预措施。我们回顾了一系列方法，这些方法既利用了像 BERT 这样的预训练语言模型，也利用了专门针对流动性预测任务设计的大型语言模型（LLMs）。这些模型在捕捉文本数据中的复杂时空依赖关系和上下文模式方面表现出重要潜力。

    Apr, 2024

  • 大型语言模型的零 - shot 下一个位置预测模型

    利用大型语言模型作为零样本下一个位置的预测器进行了评估，并展示了其较高的准确性和解释能力，为解决诸如疾病传播和减少污染等社会问题提供了一种新思路。

    May, 2024

  • 揭示人类迁移行为：利用大型语言模型推断轨迹的语义

    通过大型语言模型（LLMs）推理轨迹语义的 Trajectory Semantic Inference with Large Language Models (TSI-LLM) 框架通过人类移动性模式的复杂分析，提高了轨迹数据的语义分析能力。

    May, 2024

  • 超越模仿：使用大型语言模型进行基于上下文的推理生成人类移动行为

    人类移动行为与交通拥堵和流行病控制等重要社会问题密切相关。然而，收集移动数据可能代价高昂且存在严重的隐私问题，迫切需要高质量的生成性移动模型。本文提出了一种基于常识推理的移动生成方法，设计了一种新颖的 MobiGeaR 框架，通过少样本上下文学习和分解协调机制来有效地捕捉驱动移动行为的一致意图，并在提升生成的语义感知性和降低训练样本大小的同时取得了最新性能。

    Feb, 2024