ST-MoE-BERT：長期にわたる都市間移動予測を目的とした空間時系列Mixture-of-Expertsフレームワーク

複数の都市にわたる人間の移動予測は、異なる都市環境に内在する複雑で多様な時空間的ダイナミクスのため、大きな課題を伴う。本研究では、人間の移動パターンを予測するための堅牢なアプローチとして、ST-MoE-BERTを提案する。従来の手法と比較して、本手法は予測タスクを時空間分類問題として定式化している。手法の核心には、Mixture-of-ExpertsアーキテクチャとBERTモデルを統合することで、複雑な移動ダイナミクスを捉え、下流の移動予測タスクを実現するアプローチを採用している。さらに、都市間予測におけるデータ不足の課題に対処するため、転移学習を組み込んでいる。提案モデルの有効性は、GEO-BLEUおよびDTW指標に基づき、複数の最先端手法と比較して検証され、特にST-MoE-BERTは平均して8.29%の性能向上を達成した。