Resumen: La combinación de mapas de trayectoria celular (CTMM) tiene como objetivo alinear las secuencias de ubicación celular con las redes de carreteras, que es un preprocesamiento necesario en los servicios basados en la ubicación en plataformas web como Google Maps, incluida la navegación y la optimización de la ruta. Los enfoques actuales se basan principalmente en características basadas en ID y datos específicos de la región para aprender correlaciones entre las torres celulares y las carreteras, lo que limita su adaptabilidad a las áreas inexploradas. Para habilitar CTMM de alta precisión sin entrenamiento adicional en regiones objetivo, CTMM de disparo cero requiere extraer no solo características adaptativas a la región, sino también incertidumbre secuencial y de ubicación para aliviar los errores de posicionamiento en los datos celulares. En este artículo, proponemos un asistente de calibración de trayectoria basado en píxeles para CTMM de disparo cero, que aprovecha el conocimiento geoespacial transferible para calibrar la trayectoria pixelada, y luego guiar el proceso de búsqueda de rutas a nivel de red de carreteras. Para mejorar el intercambio de conocimientos en regiones similares, se incorpora un modelo de mezcla gaussiano en VAE, lo que permite la identificación de expertos en escenarios a través de la agrupación suave. Para mitigar los altos errores de posicionamiento, un módulo de conciencia espacial-temporal está diseñado para capturar características secuenciales y la incertidumbre de la ubicación, facilitando así la inferencia de posiciones de usuario aproximadas. Finalmente, se emplea un algoritmo restringido de búsqueda de rutas para reconstruir la secuencia de ID de carretera, asegurando la validez topológica dentro de la red de carreteras. Este proceso se guía por la trayectoria calibrada mientras se optimiza para la ruta factible más corta, minimizando así los desvíos innecesarios. Experimentos extensos demuestran que nuestro modelo supera a los métodos existentes en CTMM de disparo cero en 16.8 %.
Publicado Originalme en export.arxiv.org El 11 de agosto de 2025.
Ver Fuente Original
