基于GPS和LLM的带季节性空间先验的游客 mobility 模型
人工智能
2026-05-29 v1
摘要
游客 mobility 面临城市交通规划的独特挑战。与居民通勤不同，游客旅行大体非例行性、由吸引力驱动，且高度依赖旅行目的、旅行季节和同行成员构成。现有方法要么测量游客的聚合空间模式而不生成个体时程，要么在缺乏游客特定结构（如 trip duration 条件、月度变化吸引力需求、家庭同行规则）的情况下合成 mobility。为此，我们提出了一个四阶段仿真框架，结合来自GPS和调查数据的时间条件化空间先验、来自游客人口统计学的 trip extent 预测、可行距离的 ward 序列分配，以及受 household 和空间约束的 LLM-based activity chain 生成。仅以隐私保护的聚合形式的时间条件化空间先验使用GPS数据，不保留或暴露任何个人轨迹。针对东京旅游业的实验表明，GPS基于的游客人群提取恢复了与调查参考一致的空间访问签名，我们的框架产生的符合人口统计学的合成时程，其 ward 级别访问分布与调查分布和基于 staypoint 派生的月度访问模式高度一致。结果表明，该框架作为一种以地理学为依据、以人口统计学为导向的游客 mobility 模型具有有效性。
引用
@article{arxiv.2605.29578,
title = {GPS-Enhanced Tourist Mobility Modeling with Seasonal Spatial Priors and LLM-Based Activity Chain Generation},
author = {Yifan Liu and Yanling Sang and Xishun Liao and Morgan Sun and Bo Yang and Zhiyuan Zhang and Chris Stanford and Haoxuan Ma and Jiaqi Ma},
journal= {arXiv preprint arXiv:2605.29578},
year = {2026}
}