猜你今晚回家，和猜你旅行时下一站去哪，需要同一种线索吗？
论文名片｜Xiaojie Yang、Zipei Fan、Hangli Ge、Takashi Michikata、Ryosuke Shibasaki、Noboru Koshizuka，Causality-Aware Next Location Prediction Framework based on Human Mobility Stratification。作者与实验室将论文列为 IEEE UIC 2024 工作；本文解读其 2025 年 3 月 23 日提交的八页版本 arXiv:2503.18179v1，arXiv DOI。
你晚上从公司出发，先吃饭、再去超市，最后仍然回家。另一天，你在陌生城市旅游，刚离开车站，接下来去哪可能更依赖眼前位置。对这两种情境，历史轨迹里同一项“上一地点”信息，未必承担相同作用。
这篇论文按个人常去程度区分目的地，再用模型内部的反事实对照改变训练方式。它将设计称为因果感知框架，但实验直接检验的是下一地点预测表现，并没有通过真实出行干预识别人类移动的因果效应。
主要发现有四点：
- 锚点按每个用户的访问次数定义，火车站等同一类地点，对不同人可以分别是常去锚点或少去地点。
- 框架把用户—时间信息与包含历史地点的状态分开，训练时只对非锚点目的地使用反事实状态差。
- 在 GRU、DeepMove、Flashback 等多种模型与三套数据上，多数设置改善；强基线 GETNext 的提升较小。
- 改进并非普遍：HSTLSTM 在 Blogwatcher 上所有三种策略的 Recall@5 都下降。预测收益和消融不足以证明所画因果图就是真实出行机制。
哪些目的地算锚点，哪些不算？
锚点地点（anchor location）在这里是个人层面的频繁访问地点，可能对应家、工作地或学校，但并不需要先给地点贴上这些语义标签。对某个用户，访问一个地点的次数超过阈值，就把它归为该用户的锚点。
训练样本再按真实目的地是否属于该人的锚点分组。模型不必提前知道用户下一站是什么，才能在部署时选择分支：这一分组用于训练，测试时使用统一预测输出。
图 1｜目的地的规律性为什么会改变线索价值？（a）展示不同下班活动最终返回同一锚点“家”的例子；（b）展示旅行中经车站前往非日常目的地的例子。图中的时刻帮助解释情境，不是实验中已测出的普遍出行时间。它说明分层的动机，不表示所有回家行程都不受上一地点影响。
论文用 Foursquare 的条件概率例子进一步说明这个想法：比较只知道时段，与还知道上一地点是商场时，目的地分布怎样变化。
图 2｜知道上一站，是否在所有时段都同样有帮助？原图上下无子图字母，上面以 Subway 为锚点示例，下面以 Ramen/Noodle House 为非锚点示例，上一地点均为 Mall。横轴为一天内小时，纵轴为目的地条件概率%，橙线不加入上一地点、蓝线加入。两类曲线变化方式不同，且同一类也随时段变化；下图蓝线并不是全天高于橙线。这是条件概率的描述比较，不能直接当成预测准确率提升或因果效应。
因果图在模型里增加了什么结构？
传统融合方式把用户 U、历史地点 L、时间 T 一起送入隐藏状态，再预测下一地点 Y。新框架先只用用户与时间产生 H，再将 H 与地点历史结合产生 G，并保留 H 和 L 到输出的直接分支。
H 的含义是结构上未直接输入地点的表示，不代表它在统计上与地点绝对独立——一个人的身份、时段本来就可能与常去地点有关。
图 3｜哪些信息走直接分支，哪些通过中间状态？（a）U、L、T 融合成 H 后输出 Y。（b）用户与时间先形成 H，H 与 L 形成 G，输出同时接收 H、G、L。H→Y 与 L→Y 是直接分支，经过 G 的路径是作者关注的间接分支。原图（b）左下输入写作 Y，按正文定义应为 T；这里依正文解释，不把它视为输出反向进入网络。
这张图是研究者提出的结构假设。隐藏状态由神经网络定义，箭头反映模型计算安排；图画出来、预测变好，并不自动证明现实中不存在遗漏混杂，或这些隐藏状态具有唯一可识别的因果含义。
反事实不是让同一个人重新出行，而是怎样做模型内对照？
模型先算正常输出 Y(H,G,L)。随后构造一个替代隐藏状态 G，在保留原来的 H 与 L 直接分支时，替换经过中介状态的部分，得到 Y(H,G,L)。作者将两者之差作为总间接效应（total indirect effect，TIE）：
TIE = Y(H,G,L) − Y(H,G*,L)。
直观上，它想扣掉不通过真实地点融合状态 G 仍能给出的部分，使模型更重视非日常目的地预测中有用的历史地点关系。
图 4｜对照中到底替换了什么？原图左右无字母。橙色为正常隐藏状态，蓝色 L 为历史地点，绿色 Y 为输出，灰色为构造的反事实值；剪刀表示切断正常 H、L 到待替换状态的输入，改由 H、L 构造 G*。右图仍保留正常 H→Y 与 L→Y，因而两次输出的区别集中在中间状态。它是计算图干预，不是让用户在现实中访问另一个地点的随机试验。
反事实地点嵌入 L 有三种构造策略：I 用 0–1 均匀随机向量；II 置零；III 用其他观测嵌入的均值。H 始终使用随机策略 I。策略 III 的“其他观测”不是给每个用户新增一段真实出行，而是构造替代表示。
对锚点目的地，训练目标使用正常输出；对非锚点目的地，使用正常与替代输出之差。两组共享参数，最终测试时不再运行反事实替换，只用正常模型输出。
图 5｜额外对照只在训练，还是预测时也需要？无子图字母的架构图右侧蓝区是正常模块：用户和时间经过 fh 形成 h，再与地点经 fg 形成 g，h、g、l 拼接后由 MLP 输出。左侧黄区生成 h、l 和 g*，用于训练对照；下方明确区分 Train 与 Validation/Test。正常输出承担验证与测试，不能把它讲成部署时先知道下一站类别再选模型。
公式还留下一个复现细节：正文把正常输出描述成 softmax 概率，再对两个输出做差并送入分类损失。两个概率向量的差可能有负值、总和为零，不能直接当作标准概率分布；实际使用 logits、重新归一化还是其他处理，文中没有完整展开。理解训练思想与严格复现损失实现，是两件需要分别完成的事。
三套数据的预测任务怎样设置？
论文表 I 报告以下规模，包含两套签到数据与一套 GPS 停留位置数据：
| 数据 | 用户数 | 地点数 | 记录数 |
|---|---|---|---|
| Foursquare 东京 | 2,293 | 61,858 | 537,703 |
| Foursquare 纽约 | 1,083 | 38,333 | 227,428 |
| Blogwatcher | 4,991 | 159,513 | 2,859,572 |
Foursquare 按时间排序，以 72 小时间隔切分轨迹，过滤少于五条记录的轨迹和少于五条轨迹的用户。Blogwatcher 为 2022 年 10–11 月关东地区 GPS，覆盖东京、千叶、神奈川、埼玉，位置汇总为 125 米网格，先检测停留点，再按两小时间隔切分。主动签到与被动位置检测记录的生活侧面不同，不能把两者同名地点频率当作完全可比的行为测量。
训练、验证、测试比例为 0.7/0.1/0.2，使用验证集选参数。文中称同组比较保持模型结构与参数数量一致；未完整说明按时间还是用户划分，也没有明确锚点访问次数是否只由训练段统计，因此不能额外宣称已实现严格未来时段或新用户的无泄漏泛化验证。
评价使用 Recall@5、MRR@5、NDCG@5。单一正确下一地点下，Recall@5 看答案是否进入前五，MRR@5 更重视正确答案排得靠前，NDCG@5 也对排名进行折扣。它们衡量候选地点排名，不是距离误差，表中按百分数尺度展示。
哪些模型获益，哪些没有？
下表摘取主表的 Recall@5：箭头前为原模型，后为三种策略中表内最高值。它用于看可能收益的范围，不表示可以在测试集上事后挑最优策略作为实际部署流程。
| 模型 | 东京：原始 → 表内最佳 | 纽约：原始 → 表内最佳 | Blogwatcher：原始 → 表内最佳 |
|---|---|---|---|
| GRU | 39.76 → 44.42 | 35.00 → 41.68 | 68.57 → 71.19 |
| DeepMove | 41.36 → 44.66 | 39.27 → 44.41 | 66.23 → 67.72 |
| Flashback | 36.82 → 43.18 | 34.37 → 42.08 | 70.01 → 72.94 |
| HSTLSTM | 39.08 → 39.86 | 37.38 → 38.12 | 80.24 → 78.05 |
| GETNext | 55.42 → 55.95 | 53.53 → 55.49 | 80.05 → 80.16 |
例如，东京 GRU 从 39.76% 到 44.42%，增加 4.66 个百分点，按表值计算相对增加约 11.72%；纽约 Flashback 从 34.37% 到 42.08%，增加 7.71 个百分点。这是不同模型在各自基线上的改进，不能把最高增幅描述成所有模型都提高相同幅度。
排名质量也有类似改善。东京 GRU 策略 I 的 MRR@5 为 30.88、NDCG@5 为 34.26，分别高于原始 26.83、30.05；但东京 HSTLSTM 某些策略的 MRR 略降或持平，说明不是每个指标都改善。
尤其要保留 Blogwatcher 的 HSTLSTM：原始 Recall@5 为 80.24，策略 I、II、III 分别为 71.89、78.03、78.05，全部更低。最佳策略也下降 2.19 个百分点，策略 I 更下降 8.35 个百分点。作者仍总结多数情形有效，不能将其扩写为“即插即用必然增强所有基线”。
GETNext 在 Blogwatcher 的最高提升只有 0.11 个百分点；论文没有给重复训练波动或置信区间，不能确认这种极小差别具有统计稳定性。不同结构原有的时空建模能力，也可能影响额外模块的收益。
锚点阈值怎样影响结果？
阈值太低，大部分地点都被当作锚点，反事实训练很少发挥作用；阈值太高，又把很多熟悉地点分进非锚点组，未必有利。
图 6｜频繁访问至少多少次，才适合分为锚点？无字母双图，横轴为个人访问次数阈值，纵轴 Recall@5，以 0–1 小数显示。左图蓝色东京、红色纽约，右图绿色 Blogwatcher，均以 GRU 测试。候选阈值为 0、5、10、15、20、25，Foursquare 在 10 附近较好，Blogwatcher 在 15 附近较好；继续增加阈值会下降。图中未给误差区间，最优数值应按数据与实验设置解释。
阈值是访问次数，不是 10% 或 15%。它还受平台采样频率和观测长度影响，因此不能直接解释成一个人的固定习惯强度。
图中的两个直接分支有必要吗？
东京 GRU 的消融实验分别移除 H→Y、L→Y，再与完整框架比较：
| 设置 | Recall@5 | MRR@5 | NDCG@5 |
|---|---|---|---|
| 完整框架 | 44.42 | 30.88 | 34.26 |
| 去掉 H→Y | 43.90 | 30.44 | 33.80 |
| 去掉 L→Y | 41.44 | 28.46 | 31.70 |
| 两条都去掉 | 41.10 | 28.37 | 31.55 |
两条同时去掉，Recall@5 比完整框架低 3.32 个百分点；单独去掉历史地点的直接分支，损失比去掉用户—时间直接分支更大。即便训练目标强调间接部分，直接分支在整个模型学习中仍有用途，不能理解成“所有直接地点信息都应删除”。
这项消融支持网络结构对预测有价值，不足以验证现实的因果图唯一正确。不同结构还可能改变表示能力、优化难度和归纳偏好；识别真实因果效应需要另外的假设与证据。
非锚点目的地究竟改善了什么？
图 7｜总分改善是否也出现在较少去的地点？原图上下无字母，使用东京 GRU 与策略 I。上图为非锚点目的地，浅蓝传统、深蓝新框架；下图为锚点，黄色传统、橙色新框架。横轴依次为 Train Station、Subway、Coffee Shop、Electronics Store、Airport、Mall、Movie Theater，纵轴为图中标示的 Accuracy%。两组各类别总体都有改善，但上下纵轴范围差很多，不能凭柱高直接比较两类收益。该图未把 Accuracy 的 top-k 口径完整写明，不直接等同于主表 Recall@5。
同一类别可以对甲是锚点、对乙不是。图中的分层不是说所有机场都属于非日常地点，也不是按建筑用途一次性决定。
这项工作对预测研究的启发是什么？
它提醒模型评估不要只看一个总分：容易预测的常去目的地，与更依赖当前位置的非日常目的地，可能需要不同训练信号。以共享模型承接不同目标，是这项工作的实用方向。
证据支持的是多个数据与结构中经常出现的预测改善，以及明确的例外。模型内随机、置零或均值替换的对照，不能等同于现实世界的自然直接效应和间接效应已经被无偏识别；论文也未提供随机出行实验、完整混杂排除或跨域因果稳定性检验。
复现时，还需要明确数据划分、锚点统计范围、反事实均值来自哪些观测、概率差如何进入损失，以及重复训练的不确定性。只有这些细节明确，才更容易判断提升来自何种机制，以及模块在新场景是否值得采用。
一句话总结
按个人目的地熟悉程度分层，再用反事实隐藏状态对照训练，能改善不少下一地点预测模型，但收益依赖结构与数据，“因果感知”也不等于真实出行因果关系已被证明。
核心来源
- Yang X, Fan Z, Ge H, Michikata T, Shibasaki R, Koshizuka N. Causality-Aware Next Location Prediction Framework based on Human Mobility Stratification. arXiv:2503.18179v1，2025 年 3 月 23 日；全部图 1–7、表 I–II 和方法来自该八页版本。
- 作者实验室论文目录，将该文列入 2024 年 IEEE UIC 会议工作；arXiv 页面也注明 Accepted by IEEE UIC 2024。
- Niu Y et al. Counterfactual VQA: A Cause-Effect Look at Language Bias. CVPR 2021，本文借鉴模型内反事实效应构造的来源，见原文参考文献 25。
作者介绍
以下仅采用论文首页的署名机构与通讯标记。
- Xiaojie Yang：The University of Tokyo 署名作者，本文第一作者、通讯作者之一。
- Zipei Fan：Jilin University 署名作者，本文通讯作者之一。
- Hangli Ge：The University of Tokyo 署名作者、本文共同作者。
- Takashi Michikata：The University of Tokyo 署名作者、本文共同作者。
- Ryosuke Shibasaki：The University of Tokyo 署名作者、本文共同作者。
- Noboru Koshizuka：The University of Tokyo 署名作者、本文共同作者。
延伸思考：不要让“多数时候猜对”掩盖陌生目的地
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
一个模型每天都猜家和公司，总命中率可能很好。但旅游、就医、临时办事等不常见活动，可能正是服务最需要提供帮助的时候。若只优化总分，模型容易把这些少见目的地当作无关紧要的尾部。
可以在评估中同时报告常去与少去地点的结果，并检查阈值变化、用户活跃度和不同类别。再进一步，比较同样增加训练扰动、但不采用因果表述的普通正则化方法，能帮助判断收益是否确实来自特定图结构与差分目标。
把预测收益与机制解释分开检验，可以更清楚地认识两类贡献：预测是否变好，以及为什么会变好。它们各自需要相应证据。
