تعتبر القدرة على تقدير تدفقات الحركة (OD flows) خلال الأزمات الطبيعية من المهام الهامة في استجابة الطوارئ وتعزيز جاهزية المدن. لكن النماذج العميقة الحالية، التي تم تدريبها على أنماط التنقل الروتينية، غالباً ما تفشل في تقديم الأداء المطلوب خلال الأحداث القصوى التي تؤثر على الأنشطة الإقليمية. ولهذا السبب، تم تطوير EventOD، وهو إطار عمل ثوري لتوليد تدفقات الحركة يعتمد على الذي يقوم بالتوجه بالاعتماد على الدلالات الحدثية.

تستفيد EventOD من قوة نماذج اللغات الكبيرة (Large Language Models) لاستنتاج متغيرات السيطرة السكانية والوظيفية على مستوى المناطق اعتمادًا على ملاحظات الحدث الخشنة. مرة أخرى، يتعلم نظامان خفيفا الوزن، AlphaNet وBetaNet، كيفية تعديل قوة هذه الانتقالات الدلالية. بالإضافة إلى ذلك، تم تضمين مسار احتياطي مدعم بالاسترجاع لمواجهة السيناريوهات ذات الإشراف القليل.

كل ما يحدث حديثاً يتم إدراجه في نموذج حركة النقل القائم على الرسوم البيانية من خلال تعديل مستوى الإدخال، مما يسمح بالتكيف الواعي بالأحداث دون الحاجة لتحديث معلمات مولد البيانات. أظهرت التجارب التي أجريت على حالات تنقل تحت تأثير الأعاصير والوباء في مقاطعات الولايات المتحدة أن EventOD يحسن بشكل مستمر من دقة الإعادة وموثوقية التوزيع.

تعتبر EventOD خطوة مهمة نحو تحسين استجابة الطوارئ من خلال إنتاج تدفقات حركة أكثر دقة، مما يساهم في تعزيز قدرة المجتمعات على التكيف مع الأزمات.