利用生成对抗网络生成合成移动性网络
机器学习
2022-12-15 v2 人工智能
摘要
人类位移在诸如交通拥堵、隔离以及传染病扩散等复杂社会现象中日益关键的作用，正吸引着多个学科科学家的关注。在本文中，我们探讨移动性网络生成问题，即生成一座城市完整的移动性网络——一种加权有向图，其中节点为地理位置，加权边表示人们在这些位置间的移动，从而描述城市内的全部移动流集合。我们的解决方案是 MoGAN，一种基于生成对抗网络（GANs）以生成逼真移动性网络的模型。我们在自行车与出租车出行的公开数据集上进行了大量实验，表明 MoGAN 在生成网络的逼真度上优于经典的引力模型与辐射模型。我们的模型可用于数据增强以及执行仿真与假设分析。
引用
@article{arxiv.2202.11028,
title = {Generating Synthetic Mobility Networks with Generative Adversarial Networks},
author = {Giovanni Mauro and Massimiliano Luca and Antonio Longa and Bruno Lepri and Luca Pappalardo},
journal= {arXiv preprint arXiv:2202.11028},
year = {2022}
}
备注
19 pages, 5 figures. Supplementary 9 pages and 5 figures