Ji Cao

新的CORE框架集成了LLM以实现高级轨迹表示学习

研究人员开发了一个名为CORE的新框架，用于轨迹表示学习（TRL）。该方法将上下文感知的路线选择语义集成到轨迹嵌入中，超越了将轨迹视为简单时空序列的处理方式。CORE利用大型语言模型（LLM）为路网数据注入环境语义，并采用混合专家（MoE）架构来捕捉路线选择模式。实验表明，CORE在各种下游任务上持续优于现有的TRL方法，平均改进率为9.20%。