BER-PEF：通过贝叶斯误差率估计实现人类移动性预测能力的统一评估
提出 BER-PEF 框架，将贝叶斯误差率估计转化为可观测的迁移性预测能力评估协议。该框架将符号序列、数值轨迹及上下文特征映射至统一特征 - 标签空间，通过受控扰动曲线测量偏离共享参考区间的偏差以评估估计器性能。在 Foursquare NYC、TKY、GeoLife 和 T-Drive 数据集上的实验表明，基于 BER 的估计器在符号序列和数值轨迹上比现有方法具有更低的参考差异，且能追踪扰动下的预测性能变化；综合分析显示聚合多级别扰动证据比单一未扰动观测更能可靠地辅助估计器选择。BER-PEF 为在无真值迁移性预测能力的情况下评估异构移动数据的预测能力估计器提供了统一且可验证的路径。