摘要
本申请的实施例揭示了一种融合大语言模型与对比学习的跨城市移动性预测方法。该方法包括:获取源城市和目标城市各自对应的空间特征向量,并将空间特征向量进行降维处理,得到源城市和目标城市各自对应的语义特征向量;将源城市对应的语义特征向量与目标城市对应的语义特征向量进行跨城市语义对齐,得到语义特征对齐结果;基于语义特征对齐结果确定源城市与目标城市之间的起讫点预测结果;基于目标城市对应的空间特征向量以及时间信息,确定目标城市的时空网格单元,并基于时空网格单元以及起讫点预测结果确定目标城市对应的起讫点流量矩阵。本申请的实施例能够为城市规划、交通管理、资源分配等提供全面且精准的数据支持,有助于提高城市运行效率和资源利用的合理性。
技术关键词
移动性预测方法
语义特征
网格
历史轨迹数据
大语言模型
样本
矩阵
编码器
资源分配
兴趣点
序列
策略
参数
系统为您推荐了相关专利信息
媒体内容项
语言风格特征
评论生成方法
非暂时性机器可读存储介质
图像
数字孪生建模方法
数字孪生模型
低压
设备状态数据
线路
文本预测方法
大语言模型
非临时性计算机可读存储介质
电子设备
存储计算机程序