公共交通合成旅行数据的综合评估框架
机器学习
2025-10-29 v1
摘要
合成数据作为解决智能卡数据在公共交通研究中隐私与可及性挑战的有前景方案。尽管生成模型已取得快速进展，但对综合评估的关注仍有限，导致难以明确合成数据在可靠性、隐私和实用性方面真实情况。现有评估碎片化，通常仅限于人口层面的代表性或记录层面的隐私，未考虑群体层面的变动或任务特定的实用性。为此，我们提出Representativeness-Privacy-Utility（RPU）框架，系统地在三个互补维度和三个层次结构（记录、群体、人口）上评估合成旅行数据。该框架整合了一套一致的指标，用于量化相似性、披露风险和实际实用性，从而实现对合成数据质量的透明且均衡的评估。我们将该框架应用于12种代表性生成方法的基准测试，涵盖常规统计模型、深度生成网络和隐私增强型变体。结果表明，合成数据本身并不必然保证隐私，且不存在“一条尺寸适用所有”的模型，隐私与代表性/实用性之间的权衡明显。条件Tabular生成对抗网络（CTGAN）提供了最佳的平衡点，适用于实际应用。RPU框架为研究人员和实践者提供了系统且可复现的基准，使其能够比较合成数据生成技术并为公共交通应用选择合适的方法。
引用
@article{arxiv.2510.24375,
title = {A Comprehensive Evaluation Framework for Synthetic Trip Data Generation in Public Transport},
author = {Yuanyuan Wu and Zhenlin Qin and Zhenliang Ma},
journal= {arXiv preprint arXiv:2510.24375},
year = {2025}
}