组会 | 2026-06-05

日期 6月 5, 2026
活动 课题组组会

本次组会收录 3 篇文献阅读分享。

分享成员
@果金杉 @黄知微 @卢永晟

文献方向与要点

本次组会文献分享明细
文献与研究要点分享人发表信息资料

Event-aware Analysis of Cross-city Visitor Flows Using Large Language Models and Social Media Data

本研究提出了一个事件感知的跨城访客流量分析框架，以香港为研究区域，系统解决了多样化并发事件下访客流量预测的难题。研究的核心创新在于引入大语言模型（LLM）对多源在线事件信息与海量小红书用户生成内容进行语义分析，自动提取结构化事件特征并识别相关社媒帖子，准确率达93%，大幅优于传统NLP方法。在此基础上，研究首次将活动前促销人气与活动后口碑人气两类指标同时纳入预测模型，并采用GBDT滚动预测框架，在1天预测时域下实现R²=85.7%的预测精度，7天预测仍维持78.9%。研究进一步揭示了不同活动类型（演唱会、烟火、展览、体育赛事）与出行方式（地铁、高铁、航空）下事件影响的异质性规律，并以红磡体育馆演唱会为案例，展示了预测结果如何直接支撑边境管控、专线接驳与现场交通管理等跨部门政策协同。

@果金杉Transportation Research Part A 2026-07暂无

Urban information flow networks, service industry agglomeration and their heterogeneous interactive effects: Evidence from the Guangdong-Hong Kong-Macao Greater Bay Area

本研究揭示了粤港澳大湾区信息流网络与服务业集聚之间的双向互动机制、空间溢出效应及行业异质性，为网络空间与地理空间的融合提供了新范式。

@黄知微Cities 2025-08暂无

From GPS Points to Travel Patterns: Flexible and Semantic Trajectory Generation with LLMs

本文提出了一个创新的分层轨迹生成框架HTP，利用大语言模型（LLM）先生成宏观的出行模式，再通过特定的残差量化变分自编码器（RQ-VAE）生成微观的GPS点。该框架有效解决了现有方法无法捕捉宏观出行模式、条件约束能力弱以及生成长度固定的问题，在真实数据集上实现了当前最优的生成质量。

@卢永晟KDD 2026-05暂无
组会 文献分享