SeMob：面向动态城市交通预测的语义合成
计算与语言
2025-10-03 v1
摘要
人类 mobility 预测对于城市服务至关重要，但往往无法 account for 外部事件导致的突然变化。现有的时空模型难以利用详细描述这些事件的文本信息。我们提出 SeMob，一个由大型语言模型驱动的动态 mobility 预测语义合成管道。具体而言，SeMob 采用多智能体框架，其中基于大型语言模型的智能体自动提取和推理复杂在线文本中与时空相关的文本。随后，通过我们提出的创新性渐进融合架构将细粒度的相关上下文与时空数据相结合。丰富的预训练事件先验为事件驱动预测提供了更丰富的见解，因而导致更贴合的预测模型。评估在我们构建的数据集管道上进行，SeMob 在 MAE 上实现最高降低 13.92%，在 RMSE 上实现最高降低 11.12%。值得注意的是，该框架在时空区域靠近事件发生位置和时间时表现尤为突出。
关键词
引用
@article{arxiv.2510.01245,
title = {SeMob: Semantic Synthesis for Dynamic Urban Mobility Prediction},
author = {Runfei Chen and Shuyang Jiang and Wei Huang},
journal= {arXiv preprint arXiv:2510.01245},
year = {2025}
}
备注
EMNLP2025