增强语境的多视角轨迹表征学习：通过自监督模型弥合差距
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了单一空间视角轨迹数据建模的局限性，提出了一种新颖的多视角建模方法MVTraj，能够整合来自GPS、道路网络和兴趣点等多种上下文知识，从而全面理解轨迹数据。通过自监督任务对不同视角下的移动模式进行捕捉与区分，MVTraj在多视角任务中显著优于现有基准，证明了其在时空建模中的有效性和实用性。
本研究提出了一种新方法PTrajM，通过Trajectory-Mamba模型和预训练流程，有效提取车辆轨迹的语义信息，能在不增加计算资源的情况下识别旅行目的。实验结果表明，PTrajM在多个真实数据集上表现优于现有方法，具有广泛应用潜力。
