会议简介

ACM SIGSPATIAL中国分会致力于推动空间数据的研究范式及空间智能理论与技术在时空大数据、智慧城市、交通科学、社会治理等领域的创新与应用。为进一步促进空间数据智能研究的理论发展与应用，交流相关领域的新理论、新问题、新方法，ACM SIGSPATIAL中国分会将于2023年12月1日-2日在北京举办第二届“空间数据智能战略研讨会”。本届大会由ACM SIGSPATIAL中国分会主办，向全社会科研工作者开放。

以ChatGPT和同类产品为首引发热议的大模型技术，提高了机器对自然语言的理解力，世界常识的掌握程度，以及逻辑推理能力。然而，现有通用型大模型对垂直领域的支持尤其在空间关系等方面理解力不足。此次研讨会期望在讨论大模型内在机理的基础上，特别研讨其与空间相关各垂直行业的融合，利用大模型优势为空间数据智能深度赋能。

大会设立1个通用专题“大模型基本问题”、4个具有垂直领域特色的专题“城市大模型”、“空天遥感大模型”、“地理大模型”、“交通大模型”、1个panel和2个论坛，邀请国内外知名专家做技术报告。

时间地点

• 2023年12月1日-12月2日
• 北京友谊宾馆 友谊宫2层聚贤厅

议程安排

报告内容节选：交通大模型部分

报告人

姚尧 中国地质大学（武汉）

报告题目

地理基础大模型中的轨迹嵌入方法与应用

内容简介

轨迹数据已广泛应用于智慧交通及位置推荐等场景中，是构建基础地理大模型的重要组成部分。轨迹数据的挖掘依赖于从轨迹和兴趣点中提取的深层语义信息，然而现有的地理嵌入方法面临噪声敏感，未充分考虑轨迹与兴趣点之间的相互作用关系等问题。本研究提出了一种耦合掩码和多模态特征融合的方法构建轨迹表征模型。该模型融合多模态信息来丰富表征向量的语义，同时采用地理信息掩码的方式关注特定时间点或随机噪声的影响。以日本东京核心23区为研究区，在多个定量下游任务中模型上进行验证。对比不同特征融合方式，位置预测实验在精度上最多提高了13%的精度。考虑到空间尺度对预测的影响，旅行语义的推断在多个空间尺度上平均预测准确率高达74%，同时揭示了时间信息和POI信息的重要性。此外，基于轨迹表征向量上的聚类分析可得，典型的商业区相对于住宅区的人流高峰期有明显差异，这与区域内以交通为导向的城市发展规划相关，商业区通常与交通设施、办公场所关联。最终，本次报告将介绍团队开发的地理大模型平台，该平台可为政府部门及研究人员提供城市地理应用场景的解决方案。

Q.E.D.