本研究提出了一种新颖的OD-CED预测模型，旨在满足共享出行平台的时空预测需求。该模型利用无监督空间粗化技术和编码-解码架构，有效捕捉语义和地理依赖性。实验结果显示，该模型在处理稀疏度超过90%的OD矩阵时，显著优于传统统计方法。

本研究提出了ARMOR v0.1框架，解决了统一多模态模型在生成交错文本-图像时的计算资源和生成质量问题。通过不对称编码-解码架构和高质量数据集，显著提升了多模态大语言模型的理解与生成能力。实验表明，ARMOR在有限训练资源下有效提高了图像生成能力。