稀疏轨迹下结构-行为联合建模的生成式路径推理
来源：交通运输系统工程与信息杂志2026年第1期北京时间：
作者：谭一帆, 唐瑞雪, 姚志洪, 蒲云
单位：1. 中国铁道科学研究院，科学技术信息研究所，北京100081；2.深圳技术大学，城市交通与物流学院，广东深圳518118；3.西南交通大学，交通运输与物流学院，成都611756
摘要：针对稀疏与低质量轨迹数据所引发的路径跳变、匹配歧义和通行时间估计不准等问题，本文提出一种基于结构-行为联合建模的生成式路径推理框架。该框架通过3个核心模块实现端到端推理：首先，采用变分自编码器从原始轨迹中学习风格潜变量，以刻画个体在路径选择与通行速度上的行为偏好；其次，设计双头Transformer解码器，在风格变量与上下文注意力机制的协同引导下，同步生成完整路径结构与逐段通行时间；最后，引入不动点理论构建路径-时间闭环映射，通过残差约束确保输出结果的物理一致性与结构稳定性。在波尔图出租车数据集与成都数据集上的实验结果表明，在30~180s的稀疏采样条件下，本文方法在路径匹配准确率上显著优于隐马尔可夫模型、深度匹配模型和学习生成地图匹配模型等基线模型。在极端稀疏场景下平均提升超10个百分点，且推理延迟始终低于0.11s。消融实验揭示了各组件的不可或缺性：风格建模是行为一致性的核心，不动点调优保障了拓扑合理性，而多注意力机制则直接决定了时间预测的精度。
关键词：智能交通,路径推理,Transformer,稀疏轨迹数据,通行时间估计,弱监督学习
基金资助：北京市自然科学基金(4254110)；国家自然科学基金(72471200)。
