Repensando Trajetórias: Aproveitando a Geração de Vídeo para Reconstruir Trajetórias GPS a partir de Sinalização Celular

Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling

March 27, 2026

Autores: Ruixing Zhang, Hanzhang Jiang, Leilei Sun, Liangzhe Han, Jibin Wang, Weifeng Lv

cs.AI

Resumo

Os dispositivos móveis interagem continuamente com estações base celulares, gerando volumes massivos de registros de sinalização que fornecem ampla cobertura para compreender a mobilidade humana. No entanto, esses registros oferecem apenas pistas de localização grosseiras (por exemplo, identificadores de célula de serviço) e, portanto, limitam seu uso direto em aplicações que requerem trajetórias GPS de alta precisão. Este artigo estuda o problema Sig2GPS: reconstruir trajetórias GPS a partir da sinalização celular. Inspirado pelo fato de que especialistas do domínio frequentemente sobrepõem o traço de sinalização no mapa e esboçam a rota GPS correspondente, ao contrário de soluções convencionais que dependem de complexos pipelines de engenharia multiestágio ou de regressão de coordenadas, o Sig2GPS é reformulado como uma tarefa de geração de imagem-para-vídeo que opera diretamente no domínio visual do mapa: traços de sinalização são renderizados em um mapa, e um modelo de geração de vídeo é treinado para desenhar um caminho GPS contínuo. Para suportar este paradigma, um conjunto de dados pareados de vídeo de sinalização-para-trajetória é construído para ajustar um modelo de vídeo de código aberto, e um método de otimização baseado em aprendizado por reforço com consciência de trajetória é introduzido para melhorar a fidelidade da geração por meio de recompensas. Experimentos em conjuntos de dados do mundo real em larga escala mostram melhorias substanciais em relação a baselines robustas de engenharia e baseadas em aprendizado, enquanto resultados adicionais sobre a previsão do próximo GPS indicam escalabilidade e transferibilidade entre cidades. No geral, estes resultados sugerem que a geração de vídeo no domínio visual do mapa fornece uma interface prática para a mineração de dados de trajetória, permitindo a geração e o refinamento direto de caminhos contínuos sob restrições do mapa.

English

Mobile devices continuously interact with cellular base stations, generating massive volumes of signaling records that provide broad coverage for understanding human mobility. However, such records offer only coarse location cues (e.g., serving-cell identifiers) and therefore limit their direct use in applications that require high-precision GPS trajectories. This paper studies the Sig2GPS problem: reconstructing GPS trajectories from cellular signaling. Inspired by domain experts often lay the signaling trace on the map and sketch the corresponding GPS route, unlike conventional solutions that rely on complex multi-stage engineering pipelines or regress coordinates, Sig2GPS is reframed as an image-to-video generation task that directly operates in the map-visual domain: signaling traces are rendered on a map, and a video generation model is trained to draw a continuous GPS path. To support this paradigm, a paired signaling-to-trajectory video dataset is constructed to fine-tune an open-source video model, and a trajectory-aware reinforcement learning-based optimization method is introduced to improve generation fidelity via rewards. Experiments on large-scale real-world datasets show substantial improvements over strong engineered and learning-based baselines, while additional results on next GPS prediction indicate scalability and cross-city transferability. Overall, these results suggest that map-visual video generation provides a practical interface for trajectory data mining by enabling direct generation and refinement of continuous paths under map constraints.