思考轨迹：利用视频生成从蜂窝信号重建GPS轨迹 Think over Trajectories: Leveraging Video Generation to Reconstruct GPS Trajectories from Cellular Signaling
将轨迹重建重新定义为地图视觉视频生成任务，用视频模型直接在地图上绘制连续GPS路径
前置知识
Flow Matching（流匹配）
Flow Matching是一种基于连续时间动力学系统的生成模型框架。它通过学习一个向量场（velocity field），将噪声分布逐步变换到目标数据分布。与扩散模型相比，Flow Matching直接建模概率流常微分方程，其中xt是时间t处的潜在变量，c是条件信息，fθ是参数化的神经网络。生成过程就是从初始噪声分布p0开始，沿着学习到的向量场积分，最终得到目标样本。这种方法的优点是采样步骤更少，且更易于与强化学习结合，因为可以引入随机性来支持多次rollout采样。
本文的基础视频生成模型基于Flow Matching架构，理解它对于掌握SFT初始化阶段和ODE-to-SDE采样机制至关重要。论文还利用了Flow Matching的ODE-SDE等价性来支持强化学习中的多次rollout采样。
GRPO（Group Relative Policy Optimization）
GRPO是一种轻量级的策略优化方法，它通过群体相对优势估计来避免训练单独的价值函数。对于每个条件输入c，从参考策略pθold采样一组K个rollouts，然后计算群体内归一化的优势，其中R是奖励。这种设计使得奖励信号是在组内相对比较中产生的，而不是绝对值，从而减少了对精确奖励缩放的敏感性。GRPO目标结合了剪裁的policy梯度和KL散度正则化，类似于PPO但更轻量。
本文的Traj-GDPO方法建立在GRPO的基础上，并针对多奖励场景进行了改进。理解GRPO的群体采样和相对优势计算机制对于掌握论文的强化学习优化部分很关键。
蜂窝信号定位
蜂窝信号是移动设备与基站之间交互产生的记录，通常包含时间戳、服务基站标识符等信息。每个记录Tj表示手机从t0j到t1j连接到位于的蜂窝基站。与GPS坐标不同，蜂窝信号只能提供粗粒度的位置信息（通常几百米到几公里的覆盖范围），因为一个基站服务较大的区域。这种数据来源于电信运营商，具有广泛覆盖但空间分辨率低的特点，使其成为理解人类移动性的重要数据源，但也限制了其在需要高精度定位的应用中的直接使用。
理解蜂窝信号数据的特性对于把握本文要解决的Sig2GPS问题的本质至关重要。论文的核心就是将这种粗粒度的蜂窝信号记录转换为精细的GPS轨迹。
KL散度正则化
KL散度（Kullback-Leibler divergence）衡量两个概率分布之间的差异。在强化学习中，KL正则化用于防止策略在优化过程中偏离参考策略太远，避免训练不稳定或模式崩溃。论文中采用了两种KL策略：一种是相对策略pθold（动态更新），另一种是固定初始策略pθinitial（SFT后的模型）。作者发现使用固定的SFT策略作为KL锚点可以更好地保持视觉保真度，而使用动态参考策略会导致参考分布本身漂移，无法有效约束累积的模式崩溃。
KL散度正则化是本文强化学习阶段稳定训练的关键，理解两种KL策略的效果差异对于掌握论文的训练策略很重要。
研究动机
蜂窝信号数据虽然覆盖广泛，但空间分辨率极其粗糙。每个记录通常只反映服务基站位置而非用户精确位置，这限制了其在需要高精度轨迹的应用中的价值。实践中将蜂窝信号转换为GPS轨迹需要复杂的多阶段管道，包括乒乓效应抑制、地图匹配、路线推断等，每个阶段都引入非平凡的延迟。工业部署严重依赖多阶段、高度工程化的工作流，需要大量专家知识和特定场景的启发式规则，导致代码库复杂且难以自动化规模化。例如，本文提到的工业级解决方案Rule_sig需要KDTree和Kalman滤波进行乒乓噪声去除、路网匹配和路径导航，处理单个轨迹通常超过2分钟。
本文的目标是本文的目标是开发一种新方法，能够将广泛覆盖但粗粒度的蜂窝信号记录可靠地转换为细粒度的GPS轨迹，从而大幅扩展其适用性并释放移动性分析和服务的更大价值。具体而言，作者希望找到一种能够自动在地图约束下直接生成和细化连续路径的机制，避免传统方法中复杂的工程管道和对专家知识的依赖。
与已有工作不同的是，以往的方法主要将轨迹视为数值序列或离散符号进行推理（即在轨迹上思考），输出仍然是坐标或token形式。虽然一些基于视觉语言模型的轨迹挖掘方法将轨迹可视化作为输入，但它们输出离散坐标，没有明确在地图上绘制连续路径的行为建模，使得坐标到图像的对齐难以学习。本文的独特角度是将Sig2GPS重新定义为地图视觉视频生成问题：将蜂窝信号轨迹渲染在地图上，训练视频生成模型绘制连续的GPS路径。这个范式与领域专家的直觉一致，他们在地图上检查信号痕迹并勾画合理的道路路线，并在统一的视觉地图空间中进行条件和预测，避免了难以学习和验证的额外图像到数字投影。
核心方法
本文提出的Think Over Trajectory框架采用两阶段训练策略：第一阶段是监督微调（SFT），在配对的信号GPS轨迹视频上微调基于Flow Matching的视频生成模型；第二阶段是轨迹感知的强化学习，使用可验证奖励进一步优化生成质量，使其与地图拓扑和时间一致性对齐。整体思路是将轨迹重建转化为图像到视频生成问题：条件输入是一个地图瓦片，上面渲染了蜂窝信号轨迹；目标是生成一个视频，其中地面真实GPS路径在同一地图上逐步绘制。这种在地图上绘制的视觉表示直观地反映了蜂窝信号工程师的推理方式，而不是直接操作原始坐标序列。
核心创新点是将Sig2GPS任务重新定义为地图视觉域中的视频生成问题，这与以往将轨迹编码为数值序列或使用轨迹图像仅作为输入而输出离散坐标的方法有本质区别。本文的方法保持条件和预测都在统一的视觉地图空间中，避免了难以学习和验证的图像到数字投影。另一个关键创新是提出Traj-GDPO，一种轨迹感知的群体解耦策略优化方法，它针对异构奖励（如地图合规性与信号一致性具有不同的数值范围、稀疏模式和噪声水平）分别进行归一化和聚合，避免了简单标量化导致的训练不稳定。
方法步骤详情
数据收集阶段：利用电信运营商收集的蜂窝信号和车队管理系统记录的高频出租车GPS轨迹两个互补数据流，通过跨系统匹配构建配对数据集。具体做法是对每个候选出租车轨迹G，评估其与观测信号轨迹T的时空一致性，当G满足三个标准时接受配对：流动性（排除了长时间停车间隔）、时间覆盖（一天内重叠时长超过6小时）、距离一致性（GPS点保持在对应服务塔位置的有界距离内）。经过这些步骤，得到约20,000个高置信度的信号出租车对。地图视觉渲染：将每对转换为训练示例，其中条件输入c是基于OpenStreetMap的地图瓦片，中心在轨迹区域，渲染了信号轨迹；目标视频y是一个短视频，地面真实GPS路径在同一地图上逐步绘制。SFT初始化：使用Wan2.2-TI2V-5B作为基础视频生成器，用LoRA微调（rank r等于28），优化标准的条件Flow Matching目标。轨迹感知强化学习：设计三个可验证奖励，包括距离奖励（在关键帧测量轨迹误差）、方向奖励（使用归一化位移向量奖励方向对齐）、连续性奖励（惩罚破碎或碎片化生成）。对于每个条件输入ci，从当前策略采样一组K个rollouts，每个rollouts由M等于3个奖励分量评估。对每个奖励分量分别进行归一化得到Ai,k_m，然后聚合，再在整个mini-batch上进一步归一化保持稳定的数值范围。最后采用剪裁的策略优化目标与KL正则化，KL项锚定到固定的SFT策略pθinitial以防止漂移。
技术新颖性
技术新颖性体现在三个方面：首先是范式创新，首次将视频生成用于轨迹数据挖掘，将轨迹重建重新定义为图像到视频生成任务；其次是方法创新，提出Traj-GDPO针对多奖励场景的群体解耦优化，通过分别归一化异构奖励来避免简单标量化的训练不稳定性；最后是采样机制，利用Flow Matching的ODE-SDE等价性，通过从ODE转换到SDE采样，支持每个条件输入多次rollout采样，这对于基于群体的强化学习优化至关重要。与Deepseek-R1等工作类似，本文通过基于可验证奖励的交互式自改进获得了实质收益。
实验结果
在大规模真实数据集上的实验表明，本文方法在Sig2GPS任务上显著优于强工程化和学习基线。在三个轨迹范围设置（Small、Medium、Large，按起终点距离划分）中，本文方法持续实现最低的MAE和RMSE，同时实现了最高的L100（误差低于100米的点比例）和最低的G1000（误差高于1000米的点比例）。具体数字上，在Medium范围上，本文方法MAE为268.26米，RMSE为367.31米，L100为25.57%，G1000为1.62%；相比之下，最强的工业基线Rule_sig的MAE为403.05米，RMSE为530.30米，L100为10.72%，G1000为6.87%。这意味着本文方法将平均误差降低了约33%（MAE从403米降至268米），大幅提高了高精度预测的比例（L100从10.72%提升至25.57%），同时显著减少了大误差情况（G1000从6.87%降至1.62%）。更重要的是，工业级基线Rule_sig虽然性能具有竞争力，但需要复杂的多阶段管道，处理单个轨迹通常超过2分钟，而本文方法采用根本上的一步范式，只需要单个图像生成步骤就能增强信号质量，实际处理单条轨迹在30秒内，展现了显著的效率优势。在Next GPS Prediction任务上，本文方法也持续超越DeepMove、AgentMove、UniMob等思考轨迹方法和Traj-MLLM等在轨迹上思考方法，表明直接在轨迹图像空间中推理和生成轨迹比操作离散轨迹点或静态轨迹表示具有更强的建模能力。此外，本文方法展现了强大的跨城市迁移能力，在一个城市训练的模型可以有效推广到另一个城市。值得注意的是，在西安数据集上训练的模型在成都数据集上的RMSE（285.35米）甚至低于所有基线方法，这突显了方法的鲁棒性和实用潜力。Test-time scaling实验显示，通过将输入帧数从13增加到21，MAE和RMSE在三个范围内都持续降低，表明模型可以有效利用测试时的额外时间上下文，而无需重新训练或架构更改。消融实验证明，移除Traj-GDPO只用SFT训练会一致地降低性能，表明基于似然的微调单独不足以纠正细粒度错误；禁用任何单个奖励都会导致可测量的性能下降；用GRPO替换GDPO仍会轻微性能下降，表明GRPO是可行替代但GDPO在此设置下更好。KL实验显示，KL设计不仅仅是训练稳定器，而是保持视觉保真度的决定性因素。没有KL正则化，生成在RL期间迅速恶化并倾向于崩溃；使用移动参考pθold的KL惩罚会进一步恶化，因为参考分布本身漂移且无法约束累积的模式崩溃；将KL项锚定到固定SFT策略pθinitial提供稳定的行为先验并持续保持轨迹绘制质量。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| Sig2GPS (Medium范围) | MAE（米） | 268.26 | Rule_sig: 403.05 | 降低33.4% |
| Sig2GPS (Medium范围) | RMSE（米） | 367.31 | Rule_sig: 530.30 | 降低30.7% |
| Sig2GPS (Medium范围) | L100（高精度比例） | 25.57% | Rule_sig: 10.72% | 提升138% |
| Sig2GPS (Medium范围) | G1000（大误差比例） | 1.62% | Rule_sig: 6.87% | 降低76.4% |
| Next GPS Prediction（成都数据集） | RMSE（米） | 272.89（成都训练） | TrajMLLM: 347.28 | 降低21.4% |
| Next GPS Prediction（西安数据集） | RMSE（米） | 367.16（西安训练） | DeepMove: 562.46 | 降低34.7% |
| 处理速度 | 单轨迹处理时间 | 约30秒 | Rule_sig: 超过2分钟 | 提速约4倍 |
局限与改进
作者在结论中承认了几个局限性：首先是在稀疏信号场景下的鲁棒性可能不足，当蜂窝信号记录较少或分布不均匀时，重建质量可能下降；其次是对未见过的地图样式的泛化能力有限，模型可能在不同城市或不同地图风格的地图上性能下降；最后是框架的扩展性，虽然实验了Next GPS Prediction任务，但如何将框架扩展到更广泛的移动性任务（如轨迹恢复和长时域预测）仍需探索。从我们自己的观察来看，还有一些潜在的局限性：方法依赖于配对的信号GPS数据集，而跨系统匹配本身可能引入噪声或偏差；视频生成模型的计算开销虽然比传统工程管道低，但仍需要GPU资源，这可能限制在某些资源受限环境中的部署；方法在处理异常场景（如路线突然改变、交通管制、GPS漂移等）时可能表现不佳，因为这些情况在训练数据中可能较少见。
独立分析的弱点
第一个弱点是在稀疏信号区域重建精度不足。当用户移动到信号塔覆盖边缘或基站分布稀疏的区域时，蜂窝信号提供的位置线索极其有限，即使视频生成模型也很难准确推断路径。改进方向是引入额外的先验信息，如历史移动模式、POI分布、路网拓扑等，帮助模型在这些区域做出更合理的推断。第二个弱点是对长距离轨迹的处理能力有限。虽然实验中测试了不同范围的轨迹，但当轨迹跨越多个区域或经过复杂路网时，模型可能难以保持全局一致性。改进方向是引入层次化推理机制，先规划粗粒度的区域级路径，再细化局部轨迹，或者使用注意力机制让模型能够关注相关的远距离信息。第三个弱点是训练数据的质量和多样性限制。当前数据集主要来自出租车轨迹，可能不能很好地代表其他类型移动模式（如步行、骑行、公共交通等）。改进方向是收集更多样化的移动数据，或者使用数据增强技术生成更多样化的训练样本，提高模型的泛化能力。第四个弱点是实时性仍有提升空间。虽然比传统工程管道快很多，但30秒的处理时间对于某些实时应用（如紧急响应、实时导航）可能仍然不够快。改进方向包括优化模型架构（如剪枝、量化）、使用更高效的采样方法（如更少的去噪步骤）、或者开发专门针对实时场景的轻量级模型。
未来方向
作者提出的未来工作方向包括：提高在稀疏信号和未见地图样式下的鲁棒性，这可能涉及开发更强大的地图表示学习方法或引入领域适应技术；将框架扩展到更广泛的移动性任务，如轨迹恢复和长时域预测，这可能需要修改视频生成框架以适应不同的输出格式和评估指标。基于本文成果，我们可以延伸出更多有趣的方向：首先是多模态融合，将文本描述（如目的地、出行目的）、用户画像、天气状况等额外信息整合到条件输入中，提供更丰富的上下文；其次是可解释性增强，虽然视频生成本身具有一定可解释性（我们可以直接看到模型画出的路径），但进一步分析模型的注意力机制或内部状态，可以帮助理解模型如何利用地图和信号信息；再次是主动学习，让模型能够识别不确定或难以处理的场景，主动请求人工标注或专家知识，形成闭环持续改进；最后是跨模态迁移，探索将在视觉空间推理的思想应用于其他时空数据挖掘任务，如交通流预测、区域功能分析等。
复现评估
论文在复现性方面表现良好。作者使用了开源的视频生成模型Wan2.2-TI2V-5B作为基础，这为其他研究者提供了良好的起点。数据收集方法描述详细，包括跨系统匹配的具体标准和时空一致性评估方法，这有助于其他研究者构建类似的数据集。模型架构和训练参数都有明确说明，如使用LoRA微调（rank r等于28）、生成帧数F等于21、在四张NVIDIA RTX 4090 GPU上训练等。评估指标（MAE、RMSE、L100、G1000）定义清晰，便于比较。基线方法的介绍也相对详细，包括GRU、GPT、MLP、TCN、TrajFormer、SigFormer等深度学习方法以及工业级管道Rule_sig。然而，论文也有一些复现性方面的不足：数据集的具体规模和分布信息不够详细，如10,000个配对样本的具体采集时间、地理分布、移动模式等；代码和模型权重未公开，虽然使用了开源基础模型，但具体的训练脚本和数据处理代码仍需要从零实现；一些实现细节（如地图瓦片的具体渲染方法、信号轨迹的可视化样式、奖励函数的具体参数）可能仍有不明确之处，需要通过实验尝试来确定。总体而言，在具备合适的数据访问权限和计算资源（四张RTX 4090 GPU）的情况下，复现本文的实验是可行的，但可能需要相当的开发工作来准备数据处理管道和训练脚本。
论文图表
图1展示了Sig2GPS问题的整体概览。左侧展示了原始蜂窝信号数据，包括7:01-7:02、7:02-7:04、7:04-7:05、7:05-7:07等时间段的信号轨迹，以及每个时间段对应的潜在位置区域（用圆形表示）。中间是本文提出的方法，将信号轨迹输入到视频生成模型，输出连续的GPS轨迹（显示为蓝色线）。右侧是真实的GPS轨迹作为对照。图中还标注了蜂窝信号的潜在与局限性（覆盖广泛但精细度有限），以及重建精细GPS轨迹后释放的潜在价值，包括用户移动性、职业推断、区域洞察等应用。
这张图对理解论文极其重要，因为它清晰地定义了本文要解决的核心问题：从粗粒度的蜂窝信号数据重建高精度的GPS轨迹。它直观地展示了输入（信号轨迹）和输出（GPS轨迹）的关系，以及使用视频生成作为桥梁的创新思路。
图6展示了不同KL正则化策略的效果，有两个子图，分别显示KL值随训练步数的变化。比较了两种策略：w Step KL（使用移动参考pθold的KL惩罚）和Ours（锚定到固定SFT策略pθinitial）。结果显示，KL设计不仅仅是训练稳定器，而是保持视觉保真度的决定性因素。没有KL正则化，生成在RL期间迅速恶化并倾向于崩溃；使用移动参考pθold的KL惩罚（w Step KL）会进一步恶化，因为参考分布本身漂移且无法约束累积的模式崩溃；将KL项锚定到固定SFT策略pθinitial提供稳定的行为先验并持续保持轨迹绘制质量。
这张图对理解论文的训练稳定性很关键，它展示了KL正则化策略的重要性，特别是为什么选择固定SFT策略作为KL锚点而不是使用动态参考策略。