نقدم نقاط الاهتمام المدمجة بالتنقل (ME-POIs)، وهو إطار ديناميكي مستند إلى بيانات التنقل يتيح لنماذج الذكاء الاصطناعي فهم إيقاعات النشاط الزمنية للأماكن عبر الوقت، مما يحسّن بشكل كبير التنبؤات بشأن سمات العالم الحقيقي مثل ساعات العمل ومستويات الأسعار ودرجة الازدحام. في حين أن نماذج اللغة عالمية المستوى مثل Gemini بارعة في معالجة النصوص، يمكن إثراء تمثيلاتها الجغرافية المكانية من خلال دمج الديناميكيات الوظيفية الواقعية للبيئة الحضرية.

بدلاً من التعامل مع المكان كمجموعة ثابتة من الكلمات، يستخدم ME-POIs نهجًا ذاتي الإشراف لدمج الأوصاف النصية مع أنماط تنقل واسعة النطاق ومجهولة الهوية من معايير عامة. تحوّل خطوات المعالجة الثلاث — محاذاة الزيارات، ونشر الزيارات مكانيًا متعدد المقاييس، والتآزر بين النص والتنقل — النقاط الجغرافية الخام إلى بصمة رياضية ترمز إلى هوية المكان ووظيفته الديناميكية معًا. كما يعالج الإطار مشكلة «الذيل الطويل» لندرة البيانات عن طريق نقل أنماط الزيارات المجمعة إحصائيًا من الجيران المزدحمين والغنيين بالبيانات إلى الأماكن القريبة قليلة البيانات عبر مقاييس مكانية متعددة.

أدى دمج ME-POIs مع نماذج نصية متقدمة إلى تحقيق مكسب نسبي يصل إلى 81.9% في التنبؤ بنية الزيارة، وتحسين بنسبة 75.1% في تصنيف مستوى الأسعار، وزيادة بنسبة 24.7% في دقة تقدير الازدحام عبر أماكن غير مرئية سابقًا. وأكدت الاختبارات المكثفة في منطقتين حضريتين مختلفتين ثقافيًا أن إضافة بيانات التنقل الواقعية توفر «ميزة سياق» ملحوظة.

الكيانات الرئيسية: الشركات: Google | المواقع: لوس أنجلوس، هيوستن