arXiv cs.AI· Chao Li, Renhe Jiang, Chuan Xiao, Jiawei Wang·· 3 天前AI 评分20
EncounterMob：用 LLM 生成城市级"相遇感知"人类移动轨迹
Encounter-Driven City-Scale Human Mobility Generation with Large Language Models
AI 导读
研究提出 EncounterMob，一个由粗到细的 Encounter Generator 与 Iterative Coupling Framework 组成的相遇驱动 LLM 框架，用于在保留个体移动的同时还原人口级交互结构。
正文 · AI 翻译
摘要：大型语言模型（LLM）通过对个体日常、活动和出行偏好的建模，在人类出行生成方面展现出强大潜力。然而，现有方法在很大程度上仍以居民个体为中心：生成逼真的个体轨迹并不一定能还原多位居民在同一地点和时间共同出现时所产生的相遇。为此，我们研究相遇感知的人类出行生成，即同时保留个体出行和群体层面的交互结构。我们提出 EncounterMob，一个由粗到细的相遇生成器和迭代耦合框架组成的相遇驱动 LLM 框架。相遇生成器首先捕捉城市级相遇节律，然后实例化参与者-时间-场所相遇，而迭代耦合框架通过逐步细化将这些相遇与个人出行行为协调起来。我们进一步引入一个相遇恢复协议，涵盖居民、时间和场所上的相遇边缘分布与联合分布。在日本和 NYC 数据集上的实验表明，EncounterMob 在所有七项相遇指标和所有六项个人出行指标上均优于所有外部基线。与 ELLMob 相比，它在日本/NYC 上分别将参与者-时间-场所联合误差降低 40.4%/41.7%，将平均个人出行误差降低 58.8%/32.7%。
| 评论： | 29 页，包括参考文献和附录 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.17672 [cs.AI] |
| （或 arXiv:2610.17672v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17672 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Chao Li [查看电子邮件]
[v1]
2026 年 10 月 13 日星期二 03:58:00 UTC（18,794 KB）
来源：arXiv cs.AI · arxiv.org