学习生成伪个人出行数据
计算机与社会
2023-12-19 v1
摘要
个人出行数据的重要性在各个领域得到广泛认可。然而，真实个人出行数据的使用引发了隐私担忧。因此，生成既能准确反映真实世界出行模式又能保护用户隐私的伪个人出行数据至关重要。然而，现有的伪出行数据生成方法，如基于机制的方法和基于深度学习的方法，在捕捉充分的个体异质性方面存在局限性。为了填补这些空白，以伪人（avatar）为基础，提出了一种名为 GeoAvatar 的基于个体的新型人类出行生成器——它考虑了空间和时间决策中的个体异质性，结合了人口统计学特征，并提供了可解释性。我们的方法利用深度生成模型来模拟异质的个体生活模式，利用可靠的标注器推断个体人口统计学特征，并利用贝叶斯方法生成空间选择。通过我们的方法，在不访问个体级个人信息的情况下实现了异质个体人类出行数据的生成，且质量良好——我们基于物理特征、活动模式和时空特征评估了所提出的方法，证明了其与基于机制的建模和黑盒深度学习方法相比具有良好的性能。此外，该方法保持了对更广泛应用的扩展性，使其成为生成人类出行数据的一种有前景的范式。
引用
@article{arxiv.2312.11289,
title = {Learning to Generate Pseudo Personal Mobility},
author = {Peiran Li and Haoran Zhang and Wenjing Li and Dou Huang and Jinyu Chen and Junxiang Zhang and Xuan Song and Pengjun Zhao and Shibasaki Ryosuke},
journal= {arXiv preprint arXiv:2312.11289},
year = {2023}
}