基于大语言模型与分层推理的零样本人类移动性预测
人工智能
2025-09-23 v1 信息检索
摘要
人类移动性预测对于交通规划、城市管理和个性化推荐等应用至关重要。然而，由于标注数据有限和移动模式的复杂性，现有方法通常难以泛化到未见过的用户或地点，也难以捕捉动态意图。我们提出了ZHMF，一个用于零样本人类移动性预测的框架，该框架将语义增强的检索与反思机制和基于层次语言模型的推理系统相结合。该任务被重新表述为自然语言问答范式。利用大语言模型（LLM）对用户历史和上下文的语义理解，我们的方法能够处理以前未见过的预测场景。我们进一步引入了一种层次反思机制，通过将预测分解为活动级规划器和位置级选择器，实现迭代推理和细化，从而能够协同建模长期用户意图和短期上下文偏好。在标准人类移动性数据集上的实验表明，我们的方法优于现有模型。消融研究揭示了每个模块的贡献，案例研究说明了该方法如何捕捉用户意图并适应多样化的上下文场景。
引用
@article{arxiv.2509.16578,
title = {Zero-Shot Human Mobility Forecasting via Large Language Model with Hierarchical Reasoning},
author = {Wenyao Li and Ran Zhang and Pengyang Wang and Yuanchun Zhou and Pengfei Wang},
journal= {arXiv preprint arXiv:2509.16578},
year = {2025}
}