arXiv 机器学习· Xuxilu Zhang, Francesc Soriguera·· 7 小时前AI 评分33
基于 LLM 增强时空学习的网格级有桩共享单车需求预测
LLM-enhanced spatio-temporal learning for grid-level docked bike sharing demand prediction
AI 导读
研究提出结合 LLM 与零膨胀自适应时空图卷积网络（ZI-ASTGCN）的预测框架，用于网格级有桩共享单车需求预测。该框架利用 LLM 从市政日程和新闻等文本中提取强度、空间范围与时间滞后参数构建高斯衰减扰动场，并采用双分支结构与多任务零膨胀损失处理数据稀疏性。在巴塞罗那 Bicing 数据集上的实验表明，ZI-ASTGCN 性能优于既有基线，在高需求时段提升尤为显著。
来源：arXiv 机器学习 · arxiv.org