摘要

跨多个城市的人员流动预测面临重大挑战，这主要源于不同城市环境所固有的复杂且多样的时空动态特性。在本研究中，我们提出了一种稳健的人员流动模式预测方法，称为ST-MoE-BERT。相较于现有方法，本方法将预测任务建模为一个时空分类问题。所提出的方法结合了Mixture-of-Experts（专家混合）架构与BERT模型，以捕捉复杂的人员流动动态，并完成下游的人员流动预测任务。此外，通过引入迁移学习，有效缓解了跨城市预测中数据稀缺的问题。我们在GEO-BLEU和DTW两个评估指标上验证了所提模型的有效性，并与多种前沿方法进行了对比。结果表明，ST-MoE-BERT在平均性能上实现了8.29%的显著提升。