21 августа 2026 года исследователи Google Research опубликовали метод Mobility-Embedded POIs (ME-POIs). Он объединяет текстовые описания мест (категория, адрес) с обезличенными данными о визитах: время прихода, длительность пребывания, перемещения вокруг.
Точность предсказания цели визита выросла на 81,9%, классификации ценового уровня — на 75,1%, оценки загруженности — на 24,7%. Модель лучше угадывает часы работы и статус «открыто/закрыто» даже для мест, которых не было в обучающих данных.
Особая проблема — малоизвестные заведения: маленькие магазины, новые кафе, мастерские. У них почти нет истории посещений, и старые модели считали их «нулевой активностью». ME-POIs решает это через пространственный перенос: модель изучает ритм соседних популярных мест на той же улице или в квартале и переносит закономерности на малоизвестные точки.
Метод пока существует в виде научной работы. Google уже интегрирует подобные подходы в свои продукты.
Исследователи отмечают, что ME-POIs использует самоконтролируемый подход — модель сама учится связывать текстовые описания с агрегированными мобильными данными. Это позволяет создавать числовые векторы (эмбеддинги), которые кодируют и идентичность места, и его динамическую функцию.
Пространственный перенос решает проблему «длинного хвоста» данных: когда у места мало визитов, модель использует информацию от соседних точек с высокой посещаемостью. Это особенно важно для новых заведений, которые ещё не накопили статистику.