用于城市系统轨迹生成的从粗到细的多分辨率扩散模型

摘要

arXiv:2608.14570v1 Announce Type: new Abstract: Understanding human mobility is critical for a wide range of urban applications, including traffic management, epidemic control, and urban planning. How...

mobility for Traj and trajectory urban the resolution large scale

2026-08-18 1 阅读约1分钟阅读 Wen Ye, Muyan Weng, Chuizheng Meng, Hao Niu, Yizhou Zhang, Yan Liu

arXiv:2608.14570v1 发布类型：新摘要：了解人员流动性对于交通管理、流行病控制和城市规划等广泛的城市应用至关重要。然而，由于隐私问题，大规模公共轨迹数据的可用性仍然有限，这给下游出行分析带来了挑战。现有的合成轨迹生成方法主要侧重于匹配全局分布相似性，而常常忽视不同空间和时间分辨率下的移动模式，这对于实际应用至关重要。为了应对这些挑战，我们提出了一种新颖的多分辨率扩散框架 MR-Traj，用于大规模轨迹生成。 MR-Traj 将轨迹显式建模为粗粒度里程碑和细粒度片段的组合，从而能够以多种分辨率捕获复杂的时空依赖性。实验结果表明，MR-Traj 在全球分布相似性方面实现了与最先进方法相当的性能，同时在建模精细分辨率移动模式和支持下游城市移动任务方面始终优于它们。此外，通过在多个分辨率级别引入随机性，MR-Traj 生成更加多样化的轨迹，这在经验上降低了种子引导数据发布设置下的轨迹链接风险。我们的代码可在 https://github.com/Ray0202/MR-Traj 获取。

订阅66必读