Học tập không gian - thời gian tăng cường bằng LLM để dự báo nhu cầu thuê xe đạp có trạm ở cấp độ lưới

Việc dự báo ngắn hạn nhu cầu thuê xe đạp gặp khó khăn do tính không dừng không gian - thời gian và trở ngại thực tế khi đưa văn bản bên ngoài phi cấu trúc vào các chuỗi số liệu. Các phương pháp thông thường phụ thuộc vào các chuỗi lưu lượng lịch sử và cấu trúc đồ thị cố định, từ đó hạn chế độ chính xác khi các sự kiện xã hội bất thường làm xáo trộn các kiểu di chuyển thông thường. Nhóm nghiên cứu đề xuất một khung dự báo trong đó một LLM điều khiển cơ chế làn sóng sốc ngữ nghĩa, chuyển đổi văn bản đô thị tự do như lịch trình sự kiện thành phố, tin tức địa phương và bản tin giao thông thành các trường nhiễu loạn không gian - thời gian được định lượng. LLM trích xuất ba tham số có thể diễn giải vật lý cho mỗi sự kiện (cường độ, phạm vi không gian và độ trễ thời gian), từ đó các trường phân rã Gaussian được xây dựng và đưa vào mạng tích chập đồ thị không gian - thời gian thích ứng có lạm phát bằng không (ZI-ASTGCN). Để xử lý mức độ thưa thớt rõ rệt của các phép đo cấp độ lưới, mô hình kết hợp đầu ra hai nhánh với loss zero-inflated đa nhiệm, đồng thời huấn luyện xác suất cổng và cường độ dòng chảy có điều kiện.