本文综述大语言模型在人类移动性预测、多智能体系统、自动驾驶决策、城市规划及旅行行为预测等领域的应用。研究提出LLM-Mob方法，可捕捉长短期依赖并实现可解释预测；多智能体框架提升了任务协调与工具学习能力，但复杂协调仍受限，且存在幻觉问题。

本文介绍了利用大型语言模型（LLM）进行人类移动性预测的潜力。通过引入LLM-Mob方法，研究提出了历史停留和上下文停留的概念，捕捉人类移动性中的长期和短期依赖，并通过使用预测目标的时间信息实现时间感知预测。全面评估结果表明，LLM-Mob在提供准确可解释预测方面表现出色，突显了LLM在推进人类移动性预测技术上的未开发潜力。