香港大学与麻省理工学院(MIT)等单位联合推出了一款名为ITINERA的新系统，该系统结合了大语言模型(LLM)与空间优化技术，能够为用户提供个性化的城市步行路线规划服务，只需输入特定需求，如“规划一条包含‘巨富长’并以静安寺为终点的Citywalk路线”，ITINERA便能迅速生成符合条件的路线，并提供相关地点介绍。系统还能满足如“情侣酒吧”、“二次元圣地”等个性化需求。

实验评估结果:

在相同提示词下，ITINERA生成的路线更加符合用户要求，如经过苏州河桥梁和黄浦江渡轮的文艺路线，而GPT-4则存在路线不合理和兴趣点不匹配的问题，并且通过客观指标和LLM自动评估，ITINERA在POI质量、行程质量和匹配度方面均优于其他方法。

ITINERA的特色：

动态信息更新：实时提供最新的兴趣点(POI)和热门活动信息。

个性定制：优先考虑用户的个人喜好，而非单纯推荐热门景点。

多样约束处理：灵活应对复杂多样的用户需求。

空间智能优化：结合空间优化算法，确保路线的合理性和高效性。

实验评估结果与收录：

ITINERA在四个城市的旅行行程数据集上进行了训练和评估，表现优于传统行程规划和直接使用LLM的方法。该研究的相关成果已被2024年KDD城市计算研讨会(UrbComp)收录。

ITINERA五大模块揭秘：

用户兴趣点数据库构建(UPC)：从社交平台收集旅游内容，构建用户兴趣点数据库。

请求分解(RD)：解读和整理用户偏好，转换为结构化数据。

偏好感知兴趣点检索(PPR)：根据用户偏好检索相关兴趣点。

聚类感知空间优化(CSO)：解决分层旅行商问题，确保行程空间连贯性。

行程生成(IG)：结合约束条件，生成合理且符合用户需求的旅行路线。

ITINERA能够从自然语言请求直接生成个性化、空间连贯的Citywalk行程，探索了大模型在开放域行程规划中的应用，还为城市应用中的复杂空间问题提供了新的解决思路。