基于POI数据的城市空间表示的多模态对比学习

本研究针对现有从POI数据学习城市空间表示的方法存在的地理划分、空间信息建模不足、POI语义属性利用不充分及计算效率低下的问题，提出了一种新的表示学习模型CaLLiPer。该模型通过多模态对比学习目标，直接将连续的城市空间嵌入为向量表示，显著提高了土地利用分类和社会经济映射任务的预测性能。最显著的发现是，CaLLiPer在伦敦的应用显示出5-15%的性能提升，同时减少了训练时间，展示了其高效性和可扩展性。