近期，北京林业大学信息学院青年教师罗丹在目标轨迹挖掘领域取得了重要突破，研究成果以“OD-Prophet: Toward Efficiently Predicting Individual Origin-Destination Travel Demand in Location-Based Services” 为题，在物联网领域国际顶级期刊《IEEE Internet of Things Journal》（中国科学院一区，IF=10.6）上发表。
在基于位置服务的范畴内，对人类移动性的准确预测扮演着核心角色。本研究区别于既有的人群规模移动模式预测及个体层面的下一兴趣点(POI)或目的地预测，首次深入探究了个体出发地至目的地(Origin-Destination, OD)预测领域，旨在推动创新并实现高度个性化的服务体验。研究依托两大互补性数据资源：一是通过移动应用程序采集的、特征为稀疏GPS轨迹的位置信息；二是源自知名社交网络平台的公共交通支付记录，其中蕴含了丰富的OD详情。
研究目标集中于并发预测新旅程的起点与终点这一复杂任务。面对三大显著挑战，包括位置采样的非均衡性和稀疏性、周期性移动行为的时间偏移现象，以及用户出行习惯的高度个性化，本研究创新性地设计了一种模型，名为OD-Prophet（图1）。该模型是一种基于对比学习方法的多视角注意力网络，其技术亮点可概括为三方面：首先，通过多视角嵌入组件，模型能在强化社群共性知识的同时，提炼出深度个性化的特征表示；其次，引入了一种关联性增强的混合注意力机制，有效缓解了周期性移动时间偏移带来的难题；最后，借助有监督的对比学习框架，模型能够从有限且分散的轨迹数据中提炼出高精度的表征，显著增强了模型的泛化性能。广泛实验验证表明，在两个现实世界移动数据集上，OD-Prophet模型相比于当前最优(SOTA)基准模型，预测准确率显著提高了超过11.3%，凸显了其在解决复杂个体OD预测挑战方面的优越性与潜力。
本论文第一作者为信息学院（人工智能学院）罗丹讲师，北京林业大学为第一署名单位。本论文得到国家自然科学基金项目(62222202、62232004) 资助。
