从点到地方：通过理解地方实现面向人类移动的时空基础模型

捕捉人类移动对于建模人们如何与物理空间交互并穿越空间至关重要，这反映了社会行为、资源获取以及动态空间模式。为了支持跨不同地理区域和情境的可扩展和可迁移分析，需要一种通用的时空数据基础模型。尽管基础模型在语言和视觉领域取得了变革性进展，但在处理时空、语义复杂性带来的独特挑战方面仍有限。本愿景论文主张一种新的空间基础模型类，将地理位置语义与人类移动相结合，跨越多个尺度。我们的愿景核心是从建模离散的兴趣点转向理解地方：由人类行为和移动塑造的动态、情境丰富的区域，可能包含许多兴趣点。我们确定了在适应性、可扩展性和多粒度推理方面的关键缺口，并提出了聚焦于建模地方和启用高效学习的研究方向。我们的目标是指导下一代地理空间智能模型开发，以实现可扩展、情境感知的模型，从而解锁从个性化地方发现、物流优化到城市规划等强大的应用，最终实现更智能、更灵活的空间决策。