Massive-STEPS：用于理解POI检查-in的大规模语义轨迹
机器学习
2026-02-11 v3
摘要
通过点兴趣（POI）轨迹建模来理解人类移动性日益重要，适用于城市规划、个性化服务和生成式智能体仿真等应用。然而，该领域的进展受到两个关键挑战的制约：一是过度依赖2012-2013年的旧数据集，二是缺乏反映不同全球地区的可复现、城市级别的检查数据集。为此，我们提出Massive-STEPS（Massive Semantic Trajectories for Understanding POI Check-ins），一个大规模、公开可用的基准数据集，基于Semantic Trails数据集构建，并丰富了语义POI元数据。Massive-STEPS涵盖15个地理和文化上具有多样性的城市，拥有比先前数据集更近期（2017-2018年）和更长时长（24个月）的检查数据。我们使用监督和零样本方法，对Massive-STEPS上的各种POI模型进行基准测试，并在多个城市语境中评估其性能。通过发布Massive-STEPS，我们旨在促进人类移动和POI轨迹建模领域的可复现和公平研究。该数据集和基准代码已发布于：https://github.com/cruiseresearchgroup/Massive-STEPS。
引用
@article{arxiv.2505.11239,
title = {Massive-STEPS: Massive Semantic Trajectories for Understanding POI Check-ins -- Dataset and Benchmarks},
author = {Wilson Wongso and Hao Xue and Flora D. Salim},
journal= {arXiv preprint arXiv:2505.11239},
year = {2026}
}