智能AI
morning
TrajGenAgent：用于生成人类移动轨迹的分层 LLM 代理
2026-06-12
1 阅读
Siyu Li, Toan Tran, Lingyi Zhao, Khurram Shafique, Li Xiong
arXiv:2606.12657v1 公告类型：新 摘要：人员流动数据对于交通、城市规划和流行病控制非常重要，但大规模轨迹收集通常成本高昂且隐私受到限制，从而激发了现实的合成轨迹生成。现有的基于 LLM 的生成器通常依赖于即时工程（保留零样本推理，但缺乏细粒度的时空基础）或轨迹级微调（提高统计精度，但会产生大量计算成本，并可能削弱一般推理）。我们提出了 TrajGenAgent，一种语义感知的分层 LLM 代理框架，用于生成人类移动轨迹，无需模型微调。 TrajGenAgent 采用两阶段协调者-工作者设计：LLM 首先通过上下文学习从历史证据中合成个人和工作日条件的活动链，然后确定性工作流程使用个性化 POI 检索、距离感知位置选择、运动学感知旅行时间传播和基于 LLM 的持续时间估计将每个活动转化为完整的访问。为了评估聚合时空统计之外的真实性，我们引入了一种基于异常检测的评估框架，使用两个互补的检测器来评估行为和语义的合理性。对基准和大规模模拟数据集的实验表明，TrajGenAgent 比代表性神经和基于 LLM 的基线提高了时空保真度、语义一致性和个体特定行为真实性，同时避免了参数更新。