GeoFormer：使用生成式预训练 Transformer（GPT）预测人类移动性
机器学习
2023-11-10 v1 计算机与社会
摘要
预测人类移动性具有重要的实用价值，其应用从改进灾害风险规划到模拟传染病传播不等。在本文中，我们提出 GeoFormer，一种改编自 GPT 架构的仅解码器 Transformer 模型，用于预测人类移动性。我们所提模型在 HuMob Challenge 2023 的背景下接受了严格测试——该竞赛旨在评估预测模型在标准化数据集上预测人类移动性的性能。该挑战使用了两个数据集，涵盖在 75 天纵向周期内 25,000 与 100,000 个体的城市尺度数据。GeoFormer 作为竞赛中的顶尖表现者脱颖而出，跻身前三名。其成功体现在竞赛所选两项性能指标——GEO-BLEU 与动态时间规整（DTW）度量——上均表现良好。GeoFormer 在 HuMob Challenge 2023 上的性能凸显了其在人类移动性预测领域作出实质贡献的潜力，对灾害准备、疫情控制等具有深远影响。
引用
@article{arxiv.2311.05092,
title = {GeoFormer: Predicting Human Mobility using Generative Pre-trained Transformer (GPT)},
author = {Aivin V. Solatorio},
journal= {arXiv preprint arXiv:2311.05092},
year = {2023}
}
备注
Accepted in the HuMob-Challenge '23: 1st International Workshop on the Human Mobility Prediction Challenge. Repository is available at https://github.com/avsolatorio/GeoFormer