PulseAugur
实时 22:28:39
English(EN) From GPS Points to Travel Patterns: Flexible and Semantic Trajectory Generation with LLMs

LLM用于从GPS数据生成真实的城市出行模式

研究人员开发了一种名为HTP的新方法,使用大型语言模型(LLM)生成真实的城市轨迹。该方法首先生成出行模式,然后合成GPS点,解决了现有方法在捕捉出行模式和生成固定长度轨迹方面的局限性。HTP利用轨迹特定的残差量化变分自编码器将GPS数据转换为出行模式令牌,然后将这些令牌集成到LLM的词汇表中进行序列生成。实验表明,HTP在生成质量上显著优于基线方法。 AI

影响 通过生成真实、保护隐私的轨迹数据,该方法可以改进城市规划和智慧城市应用。

排序理由 该集群包含一篇研究论文,详细介绍了一种使用LLM进行轨迹生成的新方法。[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用于从GPS数据生成真实的城市出行模式

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Silin Zhou, Chenhao Wang, Yuntao Wen, Shuo Shang, Lisi Chen, Panos Kalnis ·

    从GPS点到出行模式:使用LLM实现灵活且语义化的轨迹生成

    arXiv:2605.30014v1 Announce Type: new Abstract: Urban trajectories play a crucial role in modeling urban dynamics and supporting various smart city applications. However, privacy concerns restrict access to large-scale and high-quality trajectory datasets. Trajectory generation p…