VecCity：面向地图实体表示学习的分类导向库
机器学习
2025-05-08 v2 人工智能
摘要
电子地图由多样化的实体组成，如点关注点 (POI)、道路网络和土地划分，在像运输系统管理 (ITS) 和位置服务 (LBS) 等应用中发挥关键作用。地图实体表示学习 (MapRL) 生成通用且可重用的数据表示，为高效管理和利用地图实体数据提供 essential 工具。尽管 MapRL 取得了进展，但仍存在两个关键挑战：其一，现有研究零散，模型按地图实体类型分类，限制了技术在不同任务之间的可重用性；其二，缺乏统一的基准使模型的系统评估和比较困难。为此，我们提出了一种 novel MapRL 分类法，依据功能模块（如编码器、预训练任务和下游任务）而非实体类型对模型进行组织。基于此分类法，我们 presented 一个分类驱动的库 VecCity，提供用于编码、预训练、微调和评估的易用接口。该库集成了来自九个城市的数据集，复现了 21 个主流 MapRL 模型，建立了该领域的第一个标准化基准。VecCity 还允许用户通过模块化组件修改和扩展模型，便于无缝实验。我们的全面实验涵盖多种地图实体类型，并在各种下游任务上评估 21 个 VecCity 预构建模型。实验结果表明，VecCity 在简化模型开发方面有效，并提供了关于各组件对性能影响的见解。通过促进模块化设计和可重用性，VecCity 提供了一个统一框架，推动 MapRL 领域的研究与创新。代码已公开于 https://github.com/Bigscity-VecCity/VecCity。
引用
@article{arxiv.2411.00874,
title = {VecCity: A Taxonomy-guided Library for Map Entity Representation Learning},
author = {Wentao Zhang and Jingyuan Wang and Yifan Yang and Leong Hou U},
journal= {arXiv preprint arXiv:2411.00874},
year = {2025}
}