一种基于大语言模型的层次化零样本轨迹预测方法

本发明属于轨迹预测技术领域，公开了一种基于大语言模型的层次化零样本轨迹预测方法，包括将活动区域划分为大小一致的网格并编码；获取历史轨迹数据，将历史轨迹数据中的每个轨迹点映射至网格；对历史轨迹网格序列进行时空聚类挖掘出停留点，并提取停留点的特征，基于停留点的特征利用大语言模型识别停留点的类型；对活动区域中的每个网格添加所包含的兴趣点类型的比例分布以及历史访问次数占比，得到全局网格信息；利用大语言模型根据历史停留点序列和待预测时间信息，预测下一停留点的类型，并进一步结合下一停留点的类型、全局网格信息和网格筛选规则，预测下一停留点所在网格。本发明极大地提升了轨迹预测的精度和可扩展能力。