Мы представляем точки интереса со встроенными данными мобильности (ME-POIs) — динамический фреймворк, основанный на данных о мобильности, который позволяет ИИ-моделям понимать временные ритмы активности мест во времени, значительно улучшая прогнозы реальных атрибутов, таких как часы работы, уровни цен и загруженность. Хотя языковые модели мирового уровня, такие как Gemini, отлично справляются с обработкой текста, их геопространственные представления можно обогатить, включив реальные функциональные динамики городской среды.

Вместо того чтобы рассматривать место как застывший набор слов, ME-POIs использует самоконтролируемый подход для объединения текстовых описаний с крупномасштабными анонимизированными паттернами мобильности из публичных бенчмарков. Трехэтапный конвейер — выравнивание визитов, пространственное многоуровневое распространение визитов и синергия текста и мобильности — превращает сырые географические точки в математическую сигнатуру, кодирующую как идентичность места, так и его динамическую функциональность. Фреймворк также решает проблему «длинного хвоста» нехватки данных, статистически перенося агрегированные паттерны посещений от оживленных, богатых данными соседей к близлежащим местам с редкими данными на нескольких пространственных масштабах.

Интеграция ME-POIs с продвинутыми текстовыми моделями обеспечила относительный прирост до 81,9% в прогнозировании намерения посетить место, улучшение на 75,1% в классификации уровней цен и увеличение точности оценки загруженности на 24,7% для ранее невиданных мест. Обширное тестирование в двух культурно различных мегаполисах подтвердило, что добавление реальных данных о мобильности дает заметное «контекстное преимущество».

Ключевые сущности: Компании: Google | Локации: Лос-Анджелес, Хьюстон