人工智能在通过文本理解世界方面取得了惊人的进展。然而，要构建真正理解物理世界的 AI 模型，它们必须理解的不只是文字：还需要捕捉建成环境在现实中的动态功能。每个场所都有两种不同的特征：纸面上的身份，以及它实际的功能节律。
传统语言模型通常主要依赖静态元数据来构建场所（通常称为“兴趣点”，即 POI，无论是商家，还是公园、地标之类的地方）的表示。它们能很好地分析地址、商家类别和文字描述。虽然像 Gemini 这样的世界级语言模型处理文本数据的能力极强，但若再纳入城市环境的真实功能动态，它们的地理空间表示可以得到显著丰富。用移动性数据补充语义标签，可以让这些模型有效捕捉城市中各个 POI 独特的时间活动节律。
为了展示这种互补能力，我们提出了 Mobility-Embedded POIs（ME-POIs），这是一个新颖的框架，可改进由语言模型得到的基于文本的场所表示。ME-POIs 使用公开的基准数据集，纳入经过聚合和匿名化的移动模式，例如到达时间、停留时长和周边的移动模式。ME-POIs 不再把场所视为一组固定的文字，而是采用自监督方法，把文字描述与来自公开基准的大规模匿名移动模式（捕捉环境在一天中的整体空间活动足迹）融合起来。这样，模型构建出一个数值向量表示（一种数学上的“签名”，技术上称为嵌入，embedding），同时编码场所的身份及其动态功能。将 ME-POIs 与先进的文本模型结合，带来了上下文优势：在未见过的场所上，访问意图预测的相对增益最高达 81.9%，价格水平分类提升 75.1%，繁忙度估计准确率提高 24.7%。
ME-POIs 框架如何工作
ME-POIs 框架提供了预先丰富过的场所表示，让 AI 模型能够更轻松地对许多不同属性（如营业时间、目标价格水平和当前营业状态）做出准确推断，而无需每次都从头计算这些属性。
要构建对场所有更深理解的模型，我们必须区分场所的身份（名称和类别）与它的功能（聚合的访问足迹）。在以往的地理空间 AI 研究中，移动模式几乎只用于预测用户接下来会访问哪个 POI。相比之下，ME-POIs 框架把移动性从输出预测任务转变为定义场所本身的输入特征。
但如何把原始的地理点位转化为干净且数值上有用的数学签名（即嵌入）呢？我们通过三步流水线来实现：访问对齐、空间多尺度访问传播，以及文本-移动性协同。
访问对齐
模型把对某个特定 POI 的聚合访问视为基本数据点，分析其到达时间窗口、离开趋势和典型停留时长。它并不计算简单平均值，而是用时间编码器把这些时间序列映射到稠密向量空间。这一过程建立起一个“功能质心”，即一个独特的多维签名，描绘与该场所相关的聚合匿名移动模式，涵盖一年周期以及一周中的不同日子。
解决数据稀疏的“长尾”问题
地理空间数据科学中一个长期存在的挑战是“长尾”问题。著名地标、大型购物中心和热门的市中心连锁店会产生大量访问数据，而绝大多数本地商家，如街区小店、专业维修店或新开的咖啡馆，则面临严重的数据稀疏。以往，当模型遇到几乎没有或完全没有访问记录的场所时，会错误地认为该场所没有任何活动，从而导致预测失效。
ME-POIs 通过一种新颖的空间多尺度访问传播机制解决了这个问题。该架构认识到，访问通常受区域限制；高端购物街上的一家小店，与其邻居具有系统性的共同行为特征。该框架会在多个空间尺度上观察相邻的场所：紧邻的街道、街区和更大范围的社区。然后，它在统计上把繁忙、数据丰富的邻居的聚合访问模式迁移到附近数据稀疏的场所。通过从活跃区域学习区域“节律”，模型为较小的店铺引入了智能的地理先验知识库，使其即使在数据中很少出现或完全没有出现，也能学到关于它们的一些信息。
文本-移动性协同
ME-POIs 框架并不抛弃文本描述，而是对其加以丰富。它通过最大化余弦相似度，把高层语言嵌入（从 Gemini 等先进模型中提取的标准向量表示）与新生成的移动性向量对齐。我们把移动性信号直接叠加在语言表示之上，从而得到对场所或商家更整体的认识。
这种混合方法确保模型既保留结构化语义（例如从文本描述中得知该场所售卖食品），又吸收其运营背景（例如从移动性签名中得知它是午餐去处还是深夜餐馆）。
实验
为了评估 ME-POIs 是否真正实现了对物理场所的泛化、与属性无关的理解，我们在两个规模大、文化背景各异的大都市区进行了广泛测试：洛杉矶和休斯敦。
我们在五个不同的任务上评估了该框架。关键在于，为了证明模型形成的是通用智能而不只是记住本地模式，我们先在一组已观察到的场所上训练框架，再让它预测完全未见过的场所的属性。
这五个下游任务如下：
- 营业/关门时间预测：我们的场所嵌入能否帮助推断商家的确切营业时间？
- 价格水平分类：我们的场所嵌入能否仅凭移动性背景，区分高端奢华精品店与二手店？
- 永久关闭检测：商家往往早在店主更新线上资料或有人提交众包报告之前，就已“悄然停业”并永久关闭。我们的嵌入能否帮助标记这类已关闭的商家？
- 访问意图分类：我们的嵌入能否帮助估计某个场所的聚合搜索与导航兴趣？这一任务可作为场所整体受欢迎程度的代理指标。
- 繁忙度预测：预测商家未来的人流密度和高峰时段动态。
为建立基线，我们将 ME-POIs 框架与标准的纯文本嵌入模型（如 Gemini embeddings）、现有基于轨迹的地理空间模型（如 TrajGPT）以及混合变体进行了比较，以准确分离出移动模式为整体带来了多少价值。
结果
实验结果令人瞩目，证实了在现有文本模型中加入真实世界的移动性数据，能带来明显的“上下文优势”。在评估模型于未见过的测试场所上的表现时，ME-POIs 的引入带来了显著的准确率提升，在所有预测任务上都持续优于纯文本和纯移动性基线。
除了优于标准基线之外，最值得注意的发现之一出现在比较仅用移动性数据训练的模型与只能访问文本元数据的模型时。在若干情况下，例如价格水平分类，纯移动性模型超过了纯文本语言模型。这揭示了关于城市动态的一个引人入胜却常被忽视的事实：人们在某个物理场所的集体行为，往往比用来标注它的正式文字更能说明问题。
结论
ME-POIs 框架成功超越了静态的数字标签，展示了一种让 AI 建模和理解物理世界的新方式。需要强调的是，该框架关注的是从整体层面理解世界，无法对个体用户或任何个性化内容得出结论。也就是说，ME-POIs 框架可以提供对场所或商家的整体表示，捕捉它在广泛人群和不同时间范围内被访问的情况，但不能用于个人层面的个性化。它的优势在于为场所生成丰富的聚合数值签名，当下游系统需要对这些场所做推断时，可以减轻其计算负担。
归根结底，ME-POIs 为真正理解城市节律的 AI 模型奠定了基础。它也是我们更广泛的 Google Earth AI 工作的一部分，该工作致力于创建地理空间模型和数据集，把行星尺度的数据转化为可付诸行动的智能。
致谢
感谢本文的共同作者：Neha Arora（Google Research），以及南加州大学（USC）的 Cyrus Shahabi 教授和博士生 Shang Ling Hsu。