基于任务算术的 bus-条件零样图轨迹生成
机器学习
2026-02-16 v1 人工智能
摘要
mobility 轨迹数据为智能城市应用提供 essential support。然而，这些数据往往难以获取。与此同时，大多数现有的轨迹生成方法隐含假设至少有一部分来自目标城市的真实 mobility 数据可得，这限制了其在数据不可访问场景中的适用性。在本 work 中，我们提出一种新问题设置，即 bus-条件零样图轨迹生成，其中不得不访问来自目标城市的任何 mobility 轨迹。生成过程仅依赖于来自 source city 的 mobility 轨迹数据以及两座城市的 publicly available bus timetables。基于此设置，我们提出 MobTA，将 task arithmetic 引入轨迹生成。MobTA 模型了从基于 bus 时刻表的轨迹生成到 source city 中 mobility 轨迹生成的参数位移，并通过对 task vectors 执行算术运算将其应用于 target city。这使得能够在不需其真实 mobility 数据的情况下生成反映 target-city mobility 图案的轨迹。此外，我们理论分析了 MobTA 在 base 和 instruction-tuned LLMs 之间的稳定性。大量实验表明，MobTA 显著优于现有方法， achieves performance close to models finetuned using target city mobility trajectories。
关键词
引用
@article{arxiv.2602.13071,
title = {Bus-Conditioned Zero-Shot Trajectory Generation via Task Arithmetic},
author = {Shuai Liu and Ning Cao and Yile Chen and Yue Jiang and Gao Cong},
journal= {arXiv preprint arXiv:2602.13071},
year = {2026}
}