論文の概要: From GPS Points to Travel Patterns: Flexible and Semantic Trajectory Generation with LLMs

• arxiv url: http://arxiv.org/abs/2605.30014v1
• Date: Thu, 28 May 2026 14:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-30 02:45:56.397408
• Title: From GPS Points to Travel Patterns: Flexible and Semantic Trajectory Generation with LLMs
• Title（参考訳）: GPSから旅行パターンへ:LLMを用いたフレキシブルかつセマンティックな軌道生成
• Authors: Silin Zhou, Chenhao Wang, Yuntao Wen, Shuo Shang, Lisi Chen, Panos Kalnis,
• Abstract要約: 軌道生成は、プライバシーリスクを軽減するために現実的なデータを合成することで、有望な代替手段を提供する。 既存の手法では、トラベルパターンを明示的に捉えることができず、単一の条件下では固定長の軌道しか生成できない。 我々は、textbfHierarchicalにtextbfTravelパターンを生成し、次に大きな言語モデルを用いてGPS textbfPointsを生成するtextbfHTPを提案する。
• 参考スコア（独自算出の注目度）: 28.271412245722942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban trajectories play a crucial role in modeling urban dynamics and supporting various smart city applications. However, privacy concerns restrict access to large-scale and high-quality trajectory datasets. Trajectory generation provides a promising alternative by synthesizing realistic data to mitigate privacy risks. However, existing methods fail to explicitly capture travel patterns and can only generate fixed-length trajectories under a single condition. To address these limitations, we propose \textbf{HTP}, which \textbf{H}ierarchically generates \textbf{T}ravel patterns first and then generates GPS \textbf{P}oints by using large language models (LLMs), rather than directly generating GPS points. We first design a trajectory-specific residual quantization variational autoencoder (RQ-VAE) that quantizes micro-level GPS trajectories into compact, macro-level travel pattern tokens in a coarse-to-fine manner. These tokens capture rich segment spatial irregularities, such as point density variations caused by traffic conditions. Then, we extend the LLM vocabulary with travel pattern tokens to align trajectory representations with the LLM input, and apply supervised fine-tuning (SFT) to align the LLM with the trajectory generation task, enabling generation of travel pattern sequences under various conditions. Extensive experiments on two real-world datasets show that HTP outperforms the strongest baseline by an average of 29.78\% in terms of generation quality. Our code is available at https://github.com/slzhou-xy/HTP.
• Abstract（参考訳）: 都市軌道は、都市動態をモデル化し、様々なスマートシティアプリケーションをサポートする上で重要な役割を担っている。 しかし、プライバシー上の懸念は、大規模かつ高品質なトラジェクトリデータセットへのアクセスを制限する。 軌道生成は、プライバシーリスクを軽減するために現実的なデータを合成することで、有望な代替手段を提供する。 しかし、既存の手法では、トラベルパターンを明示的に捉えることができず、単一の条件下では固定長の軌跡しか生成できない。 これらの制約に対処するため,まず, 階層的に \textbf{H}ravel パターンを生成し, その後, GPS を直接生成するのではなく, 大規模言語モデル (LLM) を用いて GPS パターンを生成する。 我々はまず,マイクロレベルのGPSトラジェクトリを粗い方法でコンパクトなマクロレベルの移動パターントークンに量子化するトラジェクトリ固有残差量子化変分オートエンコーダ(RQ-VAE)を設計する。 これらのトークンは、交通条件によって引き起こされる点密度の変動のような、豊富なセグメント空間の不規則をキャプチャする。 次に, LLM語彙を旅行パターントークンで拡張し, LLM入力と軌跡表現を整列させるとともに, 教師付き微調整(SFT)を適用して軌跡生成タスクと整列させ, 各種条件下での旅行パターン列の生成を可能にする。 2つの実世界のデータセットに対する大規模な実験により、HTPは生成品質の点で平均29.78\%で最強のベースラインを上回っていることが示された。 私たちのコードはhttps://github.com/slzhou-xy/HTPで利用可能です。

関連論文リスト

• AutoTraces: Autoregressive Trajectory Forecasting via Multimodal Large Language Models [5.085937845977223]
  AutoTracesは、ヒューム言語環境におけるロボット軌道予測のための自動回帰視覚軌道モデルである。 鍵となる革新は軌跡トークン化スキームであり、これはポイントトークンを持つウェイポイントをカテゴリマーカーとして表現し、ウェイポイント数値を対応するポイント埋め込みとして符号化する。
  論文  参考訳（メタデータ） (2026-03-09T05:53:06Z)
• Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA [50.494504099850325]
  我々は、トークン列が滑らかな意味多様体上の測地線を辿り、従って局所線型であることを示す測地論仮説を導入する。 本稿では,この制約により信号対雑音比が向上し,軌道中の衝突を防止することにより多様性が保たれることを示す。 幾何学的先行性は、ブルートフォーススケーリングを超越できることを実証する。
  論文  参考訳（メタデータ） (2026-02-26T04:45:07Z)
• Wireless Traffic Prediction with Large Language Model [54.07581399989292]
  TIDESは、無線トラフィック予測のための空間時間相関をキャプチャする新しいフレームワークである。 TIDESは過剰なトレーニングオーバーヘッドを発生させることなく、ドメイン固有のパターンへの効率的な適応を実現する。 この結果から,将来の6Gシステムにおいて,空間認識をLCMベースの予測器に統合することが,スケーラブルでインテリジェントなネットワーク管理の鍵であることが示唆された。
  論文  参考訳（メタデータ） (2025-12-19T04:47:40Z)
• Blurred Encoding for Trajectory Representation Learning [56.642548506419]
  トレイ表現学習(TRL)は、軌跡をベクトル埋め込みにマッピングし、軌跡分類や類似性探索などの作業を容易にする。 State-of-the-art (SOTA) TRL法は、生のGPSトラジェクトリをグリッドや道路トラジェクトリに変換し、ハイレベルな旅行セマンティクスをキャプチャする。 しかし、複数のGPSポイントが単一のグリッドセルまたは道路セグメントにグループ化されるため、細かな空間時間的詳細は失われます。 我々は,階層的パッチを作成するためにGPS座標の精度を徐々に低下させるBLUEと呼ばれるBLUrred jector法を提案する。
  論文  参考訳（メタデータ） (2025-11-12T03:51:57Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• GPS-MTM: Capturing Pattern of Normalcy in GPS-Trajectories with self-supervised learning [7.240185261197756]
  大規模モビリティデータの基礎モデルであるGPSMasked Trajectory Transformer(GPS-MTM)を紹介する。 GPS-MTMはモビリティを2つの相補的なモードに分解する:状態(興味のあるカテゴリー)と行動(エージェント遷移)
  論文  参考訳（メタデータ） (2025-09-28T19:00:50Z)
• Affordances-Oriented Planning using Foundation Models for Continuous Vision-Language Navigation [64.84996994779443]
  本稿では,連続視覚言語ナビゲーション(VLN)タスクのためのAffordances-Oriented Plannerを提案する。 我々のAO-Plannerは、様々な基礎モデルを統合して、アベイランス指向の低レベルな動き計画とハイレベルな意思決定を実現する。 挑戦的なR2R-CEデータセットとRxR-CEデータセットの実験は、AO-Plannerが最先端のゼロショットのパフォーマンスを達成したことを示している。
  論文  参考訳（メタデータ） (2024-07-08T12:52:46Z)
• Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
  実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。 我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。 あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
  論文  参考訳（メタデータ） (2024-07-03T16:08:05Z)
• TrajCogn: Leveraging LLMs for Cognizing Movement Patterns and Travel Purposes from Trajectories [24.44686757572976]
  S時間軌道は様々なデータマイニング作業において重要である。 異なるタスクを高精度に行う多目的軌跡学習法を開発することが重要である。 モデルキャパシティの制限と、トラジェクトリデータセットの品質とスケールのため、これは難しい。
  論文  参考訳（メタデータ） (2024-05-21T02:33:17Z)
• UVTM: Universal Vehicle Trajectory Modeling with ST Feature Domain Generation [34.918489559139715]
  普遍的な車両軌道モデルは異なるタスクに適用でき、複数の専門モデルを維持する必要がなくなる。 過度な再訓練を伴わずに様々なタスクに効果的に適応できるユニバーサル車両軌道モデル(UVTM)を提案する。 UVTMは、細かな特徴不完全軌跡から密度の高い特徴完全軌跡を再構築することで事前訓練される。
  論文  参考訳（メタデータ） (2024-02-11T15:49:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。