用于表格与序列人口合成的复合出行生成对抗网络
机器学习
2020-04-16 v1 多智能体系统
机器学习
摘要
基于智能体的交通建模已成为模拟出行行为、移动选择及活动偏好的标准方法，其使用整个人群的离散出行需求数据，而这类数据通常不易获取。为此，已有多种方法被提出以合成人口数据。我们提出一种复合出行生成对抗网络（Composite Travel Generative Adversarial Network, CTGAN），这是一种新颖的深度生成模型，用于估计人群潜在的联合分布，能够重构同时具有表格属性（如年龄和性别）以及序列移动数据（如出行轨迹与序列）的复合合成智能体。我们将 CTGAN 模型与其他近期提出的方法（如变分自编码器（Variational Autoencoders, VAE）方法，该方法在高维表格人口合成中已展现成效）进行比较。我们基于分布相似性、多变量相关性和时空指标评估合成输出的性能。结果表明，在不同空间尺度与维度下，该模型能够一致且准确地生成合成人群及其表格与空间序列属性。
引用
@article{arxiv.2004.06838,
title = {Composite Travel Generative Adversarial Networks for Tabular and Sequential Population Synthesis},
author = {Godwin Badu-Marfo and Bilal Farooq and Zachary Paterson},
journal= {arXiv preprint arXiv:2004.06838},
year = {2020}
}