EncounterMob：以相遇驱动城市级人类移动生成

论文提出 EncounterMob，在生成个体轨迹时保留人群相遇结构。

资讯摘要

论文提出 EncounterMob，一个由粗到细的相遇生成器与迭代耦合框架组成的 LLM 框架，用于在生成个体轨迹的同时保留多居民在同一时间地点共现的相遇结构，并引入覆盖居民、时间与场所的相遇恢复评估协议。作者报告在日本与 NYC 数据集上，该框架在七项相遇指标和六项个人移动指标上均优于外部基线，相比 ELLMob 将参与者-时间-场所联合误差降低 40.4%/41.7%，平均个人移动误差降低 58.8%/32.7%。

要点速读

1. 论文关注相遇感知的人类移动生成，目标同时保留个体移动与人群层面的交互结构。
2. EncounterMob 包含由粗到细的 Encounter Generator 与 Iterative Coupling Framework，并引入相遇恢复协议。
3. 作者报告在日本与 NYC 数据集上全部七项相遇指标和六项个人移动指标均优于外部基线。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。