ST-MoE-BERT：用于长期跨城市人体移动预测的时空混合专家框架
机器学习
2025-07-23 v1 人工智能
摘要
跨城市预测人类移动模式面临着显著挑战，因为不同城市环境中蕴含着复杂且多样的时空动力学。在本研究中，我们提出了一种名为 ST-MoE-BERT 的鲁棒方法来预测人类移动模式。与现有方法不同，我们将预测任务定义为时空分类问题。我们的 метод将混合专家架构与 BERT 模型相结合，以捕捉复杂的移动动力学并完成下游的人类移动预测任务。此外，还集成了迁移学习，以解决跨城市预测中数据稀缺的挑战。我们在 GEO-BLEU 和 DTW 上对所提出的模型进行了有效性验证，并与多个最先进的方法进行了比较。值得注意的是，ST-MoE-BERT 在平均提升方面实现了 8.29% 的改进。
关键词
引用
@article{arxiv.2410.14099,
title = {ST-MoE-BERT: A Spatial-Temporal Mixture-of-Experts Framework for Long-Term Cross-City Mobility Prediction},
author = {Haoyu He and Haozheng Luo and Qi R. Wang},
journal= {arXiv preprint arXiv:2410.14099},
year = {2025}
}
备注
2nd ACM SIGSPATIAL International Workshop on the Human Mobility Prediction Challenge