该文综述人类移动预测研究，涵盖数字孪生两阶段预测、图变换器、MobTCast兴趣点预测、图像提示增强轨迹预测、Social-Transmotion、MobilityGPT生成模型、TrafficTL跨城交通预测、SHIFT语言生成预测、MobiGeaR常识推理生成及CcFTL跨城联邦迁移学习等方法，均在真实数据集上验证有效。

该文综述深度学习在人类移动预测中的前沿研究，涵盖下一位置预测、人流预测和轨迹预测等任务，并介绍无监督移动行为聚类、端到端多模式轨迹预测、TrajNet++基准、多TCN-LSTM流量预测、可解释GeoXAI、SSDL兴趣点预测、数字孪生预测及泛化性重排序方法等成果。