私たちはモビリティ埋め込み型ポイント・オブ・インタレスト（ME-POIs）を発表します。これは動的でモビリティ情報に基づくフレームワークであり、AIモデルが時間の経過とともに場所の活動リズムを理解できるようにし、営業時間、価格帯、混雑度といった現実世界の属性に関する予測を大幅に向上させます。Geminiのような世界クラスの言語モデルはテキスト処理に優れていますが、都市環境の現実の機能的ダイナミクスを組み込むことで、その地理空間表現をさらに豊かにできます。

ME-POIsは、場所を固定された単語の集合として扱うのではなく、自己教師ありアプローチを用いて、テキスト記述と公開ベンチマークからの大規模な匿名化されたモビリティパターンを融合させます。訪問アライメント、空間マルチスケール訪問伝播、テキスト・モビリティシナジーの3段階パイプラインが、生の地理的点を、場所のアイデンティティと動的な機能性の両方をエンコードする数学的シグネチャへと変換します。このフレームワークはまた、複数の空間スケールにわたって、賑やかでデータ豊富な近隣から集約された訪問パターンを統計的に近くのデータ希薄な場所へ転送することで、データ希薄性の「ロングテール」問題にも対処します。

高度なテキストモデルとの統合により、未見の場所における訪問意図の予測で最大81.9%の相対的改善、価格帯分類で75.1%の向上、混雑度推定精度で24.7%の増加を実現しました。文化的に異なる2つの大都市圏での広範なテストにより、現実世界のモビリティデータを追加することが顕著な「コンテキスト優位性」をもたらすことが確認されました。

主要エンティティ：企業：Google | ロケーション：ロサンゼルス、ヒューストン