港大团队提出UrbanGPT大模型，能预测交通情况、人口流动和犯罪率等

文章预览

时空预测，旨在针对不断变化的动态城市场景做出预测和洞察，并在时间和空间这两个维度上进行分析。 其目标是预测城市生活的各个方面，包括预测交通情况、人口流动和犯罪率等，以便为相关趋势和相关事件提供准确的预测。 尽管许多研究都致力于利用 AI 和神经网络技术来预测城市中的时空数据，但是仍存在一些重要的技术挑战： 挑战之一在于，数据比较稀缺。 传统的时空数据预测方法通常需要大量的标记数据进行训练，只有这样才能生成准确的时空表示。 然而，在实际的城市计算场景中，由于数据采集成本高昂、或数据获取困难，以至于很难获得足够的标记数据。 而通过预训练等方法，可以利用未标记的数据来训练大模型，从而克服数据稀缺性的挑战。 挑战之二在于，智慧城市场景较为多样。 智慧城市具有多样性的场景，因此针对城 ………………………………