202411 arxiv

1 intro

• 目前轨迹方法的局限
  • 任务专属性
    • 当前方法往往为特定任务而设计与优化，缺乏跨任务迁移能力
  • 区域依赖性
    • 很多模型是基于特定地区的数据开发和训练的，因此在应用于其他区域的轨迹数据时效果不佳
  • 数据质量敏感性
    • 真实世界的轨迹数据具有异质性，采样率、噪声水平以及数据缺失情况各不相同
    • 现有模型往往对这些不一致性较为敏感，性能容易下降
• ——>论文的贡献
  • 构建了首个大规模、高质量、全球分布的轨迹数据集 WorldTrace
  • 提出 UniTraj，一个通用人类轨迹基础模型，结合多重重采样与遮蔽策略，能够建模复杂的时空依赖，并适应不同地区与采样条件下的数据异质性。

2  WorldTrace 数据集

• 轨迹数据涵盖 70 个国家，横跨不同的环境与基础设施类型

3.1 数据采集

• WorldTrace 的原始数据来源于 OpenStreetMap（OSM）上的共享轨迹平台
  • 筛选了 2021 年至 2023 年间上传的机动车轨迹数据，优先选取带有“机动车”标签的样本
  • 通过聚焦于近年的有标签数据，降低了由于设备差异或数据陈旧而导致的质量波动问题，从而构建出更加一致且可靠的数据集

3.2 数据预处理

• 标准化采样频率
  • 原始数据采样频率高达 10Hz（每秒 10 个点），导致数据冗余和存储压力大
  • 将轨迹重新采样为每秒一个点，既减少了冗余、优化了存储空间，又保留了轨迹的动态特征，确保时间分辨率足以反映运动过程
• 过滤无效数据
  • 剔除点数少于 32 或总移动距离小于 100 米的轨迹
  • 去除速度超过 120 km/h 的轨迹片段，这类异常多由 GPS 错误或数据异常造成
• 地图匹配校正
  • 由于 GPS 信号可能受到建筑物遮挡、多路径干扰或设备噪声影响，采用了地图匹配技术

  • 将原始 GPS 点与道路网络进行对齐，从而提高轨迹的几何准确性。

4 通用轨迹建模

4.1 重采样策略

• 在实际中，由于数据采集标准、设备性能与用户行为的不同，轨迹采样率往往存在异质性
  • Porto 数据集的采样间隔为 15 秒
  • T-drive 数据集平均间隔为 177 秒
• 当用在训练集与测试集采样率不一致的情况下，会严重影响模型的泛化性能
  • ——>为了提升模型在现实场景中的适应性，训练时需引入多样化的时间间隔
• 此外，轨迹长度的多样性也带来了平衡数据完整性与计算效率的挑战

  • 传统的统一采样方法往往无法兼顾长短轨迹：

    • 长轨迹可能数据冗余、计算负担重、易过拟合；

    • 短轨迹则可能在采样不足时丢失重要信息，难以学习有效表示。

• ——>论文引入了两种互补的重采样策略：

  • 动态轨迹重采样（Dynamic Trajectory Resampling）

  • 间隔一致重采样（Interval Consistent Resampling）

4.1.1 动态轨迹重采样

• 基于轨迹长度的对数采样比率函数，动态调整采样率
  • 采样比函数：
    • 
  • ‘

  • 该策略带来三项关键好处：

    • 控制轨迹长度，减少冗余；

    • 降低计算开销，防止过拟合；

    • 增强数据多样性，使模型暴露于多种采样频率，提高鲁棒性和泛化能力。

4.1.2 间隔一致重采样

• 为配合动态采样策略，进一步引入固定时间间隔采样，确保每条轨迹内部相邻点之间具有统一的时间间隔 Δt。

4.2  轨迹masking

4.3 模型

4.4 训练目标

就是自监督学习的训练目标

4.5 表示提取

仅使用编码器Eθ来提取轨迹的表征

5 实验

5.1  任务适应性分析

评估 UniTraj 在不同轨迹相关任务（如轨迹恢复、预测、分类、生成）中的适配与泛化能力

5.1.1 轨迹恢复

• 随机遮蔽 50% 的轨迹点进行恢复测试
• 设置包括：zero-shot 模式（仅用 WorldTrace 训练）与fine-tuning 模式（WorldTrace 预训练 + 每个数据集微调）

5.1.2轨迹预测任务

根据历史轨迹预测未来点（共 5 个点）

5.1.3 轨迹分类任务

• 判断轨迹属于哪种出行模式（如步行、驾车、骑行等）
• 方法：使用 UniTraj 编码器作为 backbone，添加分类器

• 实验设置：

  • 无微调（wo/ft）：只训练分类头；

  • 微调（ft）：微调整个模型；

5.1.4 轨迹生成任务

在 ControlTraj 框架中，用 UniTraj 替代原始道路段提取模块