हम मोबिलिटी-एम्बेडेड पॉइंट्स ऑफ़ इंटरेस्ट (ME-POIs) पेश करते हैं, एक गतिशील, मोबिलिटी-सूचित फ्रेमवर्क जो AI मॉडलों को समय के साथ जगहों की अस्थायी गतिविधि लय को समझने में सक्षम बनाता है, जिससे खुलने के समय, मूल्य स्तर और व्यस्तता जैसी वास्तविक दुनिया की विशेषताओं के बारे में भविष्यवाणियां काफी बेहतर होती हैं। जबकि Gemini जैसे विश्व-स्तरीय भाषा मॉडल टेक्स्ट प्रोसेसिंग में कुशल हैं, शहरी वातावरण की वास्तविक कार्यात्मक गतिशीलता को शामिल करके उनके भू-स्थानिक प्रतिनिधित्व को समृद्ध किया जा सकता है।

किसी जगह को शब्दों के एक स्थिर समूह के रूप में मानने के बजाय, ME-POIs सार्वजनिक बेंचमार्क से बड़े पैमाने पर, गुमनाम मोबिलिटी पैटर्न के साथ टेक्स्ट विवरणों को मिश्रित करने के लिए एक स्व-पर्यवेक्षित दृष्टिकोण का उपयोग करता है। तीन-चरणीय पाइपलाइन — विज़िट अलाइनमेंट, स्पेशल मल्टीस्केल विज़िट प्रोपेगेशन, और टेक्स्ट-मोबिलिटी सिनर्जी — कच्चे भौगोलिक बिंदुओं को एक गणितीय हस्ताक्षर में बदल देती है जो एक जगह की पहचान और उसकी गतिशील कार्यक्षमता दोनों को एनकोड करता है। यह फ्रेमवर्क डेटा की कमी की “लॉन्ग टेल” समस्या को भी हल करता है, कई स्थानिक पैमानों पर व्यस्त, डेटा-समृद्ध पड़ोसियों से समग्र विज़िट पैटर्न को आस-पास के विरल स्थानों तक सांख्यिकीय रूप से स्थानांतरित करके।

उन्नत टेक्स्ट मॉडलों के साथ ME-POIs को एकीकृत करने से अनदेखी जगहों पर विज़िट इरादे की भविष्यवाणी में 81.9% तक की सापेक्ष वृद्धि, मूल्य स्तर वर्गीकरण में 75.1% सुधार, और व्यस्तता अनुमान सटीकता में 24.7% वृद्धि हुई। दो सांस्कृतिक रूप से भिन्न महानगरीय क्षेत्रों में व्यापक परीक्षण ने पुष्टि की कि वास्तविक दुनिया के मोबिलिटी डेटा को जोड़ना एक उल्लेखनीय “संदर्भ लाभ” प्रदान करता है।

मुख्य इकाइयां: कंपनियां: Google | स्थान: लॉस एंजिल्स, ह्यूस्टन