في عصر ازدهار المدن الذكية، تلعب نماذج التنقل الحضري دورًا حيويًا في فهم الديناميات الحضرية وتدعيم التطبيقات الذكية. إلا أن قلق الخصوصية يمنع الوصول إلى مجموعات بيانات عالية الجودة وكبيرة الحجم. لذلك، أصبح توليد أنماط السفر (Travel Pattern Generation) خيارًا واعدًا، حيث يوفر بيانات واقعية تساعد في التغلب على هذه المخاوف.

بينما كانت الأساليب الحالية تولد مسارات ثابتة دون القدرة على التقاط أنماط السفر المعقدة، فإن البحث الجديد يقدم حلاً مبتكرًا يسمى HTP، الذي يعني "توليد أنماط السفر الهرمي". من خلال هذه الطريقة، يتم أولًا توليد أنماط السفر ثم يتم أخذ نقاط GPS (Global Positioning System) باستخدام نماذج اللغة الكبيرة (LLMs).

يبدأ HTP بتصميم مشفر تلقائي متباين خاص بالمسارات يسمي RQ-VAE، الذي يقوم بكم «مسارات GPS» الدقيقة إلى رموز أنماط السفر كبيرة الحجم. تتميز هذه الرموز بالقدرة على التقاط الاختلافات الفريدة في الكثافة النقطية الناجمة عن ظروف الحركة. بعد ذلك، يتم توسيع مفردات نماذج اللغة الكبيرة لتضمين رموز أنماط السفر، مما يضمن توافق تمثيلات المسارات مع مدخلات النموذج. ومن ثم، يتم تطبيق ضبط دقيق إشرافي لتحسين أداء النموذج في تنفيذ مهام توليد المسارات المختلفة.

أظهرت التجارب الشاملة على مجموعتين من البيانات الواقعية أن HTP يتفوق على أقوى النموذج الأساسي بنحو 29.78% في جودة التوليد. هذا التطور يمثل خطوة كبيرة نحو تحسين أدوات نمذجة السفر في المدن الذكية.

إذا كنت مهتمًا بالتفاصيل التقنية أو تود معرفة المزيد، يمكنك الوصول إلى الرمز المصدر الخاص بالدراسة عبر [رابط_المقال].