邀请人：田立新教授
报告地点：行健楼201-2
摘要：无处不在的移动设备正在生成大量基于位置的服务数据，这些数据详细揭示了个人如何导航和利用城市空间。在本研究中，我们利用这些庞大的、未标记的用户轨迹序列来开发一个理解城市空间和人类流动性的基础模型。我们介绍了预训练的人类移动大模型（Pretrained Mobility Transformer，PMT），它利用Transformer架构以自回归方式处理用户轨迹，将地理区域转换为token，并在这些表示中嵌入空间和时间信息。
在三个美国大都市区进行的为期两个月的实验表明，PMT能够捕捉到地区的地理和社会人口特征。所提出的PMT在多个下游任务中表现出色，包括下一个位置预测、轨迹插补和轨迹生成。这些结果支持了PMT在解码复杂的人类流动模式方面的能力和有效性，提供了对城市空间功能和个人流动偏好的新见解。
