零样态细胞轨迹地图匹配
人工智能
2025-08-12 v1
摘要
细胞轨迹地图匹配（Cellular Trajectory Map-Matching, CTMM）旨在将细胞位置序列对齐到路网，这是基于位置的服务在网页平台（如 Google Maps）上的必要预处理，包括导航和路径优化。当前方法主要依赖 ID 特征和区域特定数据来学习细胞塔和道路之间的关联，限制了其对未探索区域的适应性。为在无需目标区域额外训练的情况下实现高精度 CTMM，零样态 CTMM 需要提取不仅具有区域适应性的特征，还要提取序列特征和位置不确定性，以缓解细胞数据的定位误差。本文提出一种用于零样态 CTMM的像素级轨迹校准助手，利用可迁移的地理空间知识来校准像素化轨迹，然后指导路网层面的路径查找过程。为增强相似区域之间的知识共享，引入高斯混合模型到变分自编码器（VAE）中，通过软聚类识别情景适应性专家。为缓解高定位误差，设计了空间时间感知模块来捕获序列特征和位置不确定性，从而促进用户位置的推断。最后，采用受约束的路径查找算法来重建道路 ID 序列，确保路网内的拓扑有效性。该过程在校准后的轨迹指导下优化最短可行路径，从而最小化不必要的绕路。广泛的实验表明，我们的方法在零样态 CTMM 中超越了现有方法，提升了 16.8%。
引用
@article{arxiv.2508.06674,
title = {Zero-Shot Cellular Trajectory Map Matching},
author = {Weijie Shi and Yue Cui and Hao Chen and Jiaming Li and Mengze Li and Jia Zhu and Jiajie Xu and Xiaofang Zhou},
journal= {arXiv preprint arXiv:2508.06674},
year = {2025}
}