UniTraj 這項研究提出了數據 + 模型的基礎模型構建范式。

原標題：全球十億級軌跡點驅動，首個軌跡基礎大模型來了
文章來源：機器之心
內容字數：5435字

軌跡數據分析的重要性

在智慧城市和大數據時代背景下，人類軌跡數據的分析對交通優化、城市管理和物流配送等領域具有重要意義。然而，現有的軌跡模型常常面臨任務特異性、區域依賴性以及數據質量敏感性等問題，限制了其泛化能力和實際應用。

WorldTrace數據集的構建

來自香港科技大學（廣州）、南方科技大學和香港城市大學的研究團隊首次整理了全球大規模軌跡數據集WorldTrace，涵蓋70個國家和地區，包含245萬條軌跡和十億級別的數據點。這為構建通用的軌跡基礎模型提供了豐富的數據支持。

UniTraj模型的設計

研究團隊基于WorldTrace數據集訓練了首個世界軌跡基礎大模型UniTraj。該模型采用靈活的編碼器-解碼器架構，集成了多種重采樣和掩碼策略，旨在提升模型的計算效率和對不同數據質量的適應能力。重采樣策略包括基于對數采樣率衰減的動態重采樣和間隔一致性重采樣，以控制冗余和調整采樣率。

掩碼策略的應用

UniTraj使用重構式預訓練的方法，通過多種掩碼策略（如隨機掩碼、塊狀掩碼、關鍵點掩碼和最后點掩碼）來提升模型對軌跡局部和全局模式的建模能力。這些策略幫助模型理解和捕捉軌跡序列的時空關系。

實驗驗證與應用

研究團隊進行了系列實驗，評估UniTraj在真實世界軌跡數據處理中的準確性和泛化能力。實驗設計涵蓋了多種任務適用性分析、數據集比較以及模型組件的影響研究，結果顯示UniTraj在零樣本和少樣本學習場景下表現優異。

總結與展望

UniTraj的研究為軌跡數據的處理提供了新的思路，提出了數據和模型結合的基礎模型構建范式。通過構建全球范圍的軌跡數據集和靈活的模型設計，該研究為未來的軌跡分析和相關應用奠定了基礎，推動了智能交通和城市管理的發展。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺