生成真实人口与出行数据的深度学习框架
机器学习
2022-11-15 v1
摘要
人口普查与家庭出行调查数据集定期从家庭与个人收集,提供其日常出行行为及人口与经济特征的信息。这些数据集具有从出行需求估计到基于智能体的建模等重要应用。然而,出于隐私考量,它们通常仅代表人口的有限样本,或以聚合形式给出。合成数据增强是解决这些挑战的一条有前景的途径。本文中,我们提出一个生成合成人口的框架,包含社会经济特征(如年龄、性别、行业)与出行链(即活动位置)。我们的模型在多个评估指标上进行了测试,并与近期提出的其他模型比较。
引用
@article{arxiv.2211.07369,
title = {A deep learning framework to generate realistic population and mobility data},
author = {Eren Arkangil and Mehmet Yildirimoglu and Jiwon Kim and Carlo Prato},
journal= {arXiv preprint arXiv:2211.07369},
year = {2022}
}