PulseAugur
实时 10:27:53
English(EN) EventOD: Event-Aware OD Flow Generation via LLM-Guided Semantic Modulation

LLM引导框架使OD流模型适应颠覆性事件

研究人员开发了EventOD,一个旨在使起源-目的地(OD)流生成模型适应飓风和流行病等颠覆性事件的新框架。该系统利用大型语言模型提取事件的语义信息,然后用于指导AlphaNet和BetaNet两个适应模块。通过调整预训练的图扩散OD模型的输入,EventOD能够在不改变生成器核心参数的情况下实现事件感知的调整。在美国县级流动性数据上进行的实验表明,与现有方法相比,EventOD显著提高了准确性和分布保真度。 AI

影响 增强了在危机期间模拟和预测人类流动性的能力,这对于灾难响应和城市规划至关重要。

排序理由 介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LLM引导框架使OD流模型适应颠覆性事件

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Jie Zhao, Jie Feng, Can Rong, Zhihan Hou, Peng Lu, Yong Li ·

    EventOD: Event-Aware OD Flow Generation via LLM-Guided Semantic Modulation

    arXiv:2607.22655v1 Announce Type: new Abstract: Estimating origin-destination (OD) flows under disruptive events is important for disaster response and urban resilience. Existing deep OD models trained on routine mobility often degrade when extreme events abruptly alter regional …