基于人类 mobility 分层的因果感知下一站位置预测框架

将人类 mobility 数据与多种旅行模式融合，通过整合用户、位置和时间信息来提取隐含的时空模式，从而提高下一站位置预测的准确性。在现有的下一站位置预测方法中，导致人类 mobility 数据中模式的各种因果关系被忽略，这会导致混杂信息，对预测产生负面影响。因此，本研究引入了面向人类 mobility 分层的因果感知框架，用于下一站位置预测。在我们的研究中，开发了一张描述 various 输入变量之间关系的新型因果图。我们使用反事实方法来增强该因果图中针对特定旅行模式（非锚定目标旅行）的间接效应。该提议框架设计为可即插即用的模块，集成了多种下一站位置预测范式。我们使用多个最先进的模型和人类 mobility 数据集对提议框架进行了测试，结果表明，该提议模块提高了预测性能。此外，我们提供了消融研究和量化研究结果，以证明该因果图的合理性以及其提升当前下一站位置预测模型可解释性的能力。