Awesome-Trajectory-Computing

一网打尽轨迹计算AI资源,找论文代码不迷路

Awesome-Trajectory-Computing 是一个专注于轨迹数据管理与挖掘的精选资源列表,汇集了深度学习、大语言模型(LLM)和基础模型(FM)在该领域的最新研究成果与工具。该项目旨在解决轨迹数据(如GPS轨迹、移动对象路径)在存储、查询、分析、挖掘中的技术难题,为研究人员和工程师提供系统性的知识导航。其核心能力包括:分类整理相关论文、开源代码、数据集和基准测试,覆盖轨迹预处理、轨迹相似度计算、轨迹预测、轨迹聚类、轨迹生成等任务;同时跟踪大模型在轨迹理解与生成方面的前沿应用,如轨迹语义嵌入、轨迹问答等。项目以持续更新的GitHub仓库形式维护,社区贡献者可以提交补充内容,帮助用户快速定位所需资源,减少文献检索成本,推动轨迹计算领域的技术交流与落地。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 289
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队yoshall
所属国家
官网地址
定价模式free
价格说明开源项目,完全免费,无付费版本
访问状态
是否开源是
开源协议
主要语言
技术栈/模型deep-learning,foundation-models,large-language-models,mobility,trajectory
GitHub 星标★ 289
30天Star增速
HF 下载量
上线时间2024-03-06 00:00:00
最近更新2026-09-24 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • 系统梳理了深度学习与大模型在轨迹计算中的论文和代码,检索效率高
  • 覆盖轨迹预测、聚类、生成等多个子方向,分类清晰便于按需查阅
  • 紧跟LLM/FM前沿,收录轨迹大模型相关最新工作,时效性强

不足之处

  • 项目仍处于早期,内容覆盖可能不够全面,部分子方向资源偏少
  • 文档/社区待观察,贡献指南和讨论渠道尚不完善

适用场景

  • 科研人员快速调研轨迹计算领域的前沿模型与基准
  • 工程师在轨迹数据项目中寻找可复用的开源工具和算法
  • 学生入门轨迹数据挖掘,系统学习相关论文和代码

替代项目

Awesome-Mobility、Trajectory-Mining、DeepTrajectory

项目介绍

Awesome-Trajectory-Computing 是开源模型领域的开源项目,由 yoshall 开发,2024 年首次发布。

它收录于开源模型分类,该分类目前共有 424 个项目,GitHub 星标数为 289。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-24。完全免费,无付费版本。

它主要面向的使用场景是:科研人员快速调研轨迹计算领域的前沿模型与基准。同类可对比的替代方案包括 Awesome-Mobility、Trajectory-Mining、DeepTrajectory。

上一篇:BayLing-Speech

下一篇:LLMRank

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10