利用空间层次结构：基于级联混合扩散的粗到细轨迹生成
社会与信息网络
2025-07-21 v1 计算机视觉与模式识别
摘要
城市交通数据与经济增长有着重要联系，在各类智慧城市应用中发挥着关键作用。然而，由于隐私顾虑和巨大的数据收集成本，细粒度的人类移动轨迹难以在大规模上公开获取。一个有前景的解决方案是轨迹合成。然而，现有工作常常忽视轨迹的内在结构复杂性，无法处理复杂的高维分布，生成逼真的细粒度轨迹。本文提出了 Cardiff，一个用于细粒度和隐私保护交通生成的粗到细级联混合扩散轨迹合成框架。通过利用城市交通的层次性质，Cardiff 将生成过程分解为两个 distinct 的层次，即离散道路段级和连续细粒度 GPS 级：（i）在段级，为了减少原始轨迹中的计算成本和冗余，我们首先将离散道路段编码为低维潜在嵌入，并设计一个基于扩散转换器的潜在去噪网络，用于段级轨迹合成。（ii）以第一阶段的生成为条件，我们 then design 一个细粒度 GPS 级条件去噪网络，引入噪声增强机制以实现稳健和高保真度的生成。此外，Cardiff 框架不仅通过级联去噪逐步生成高保真度轨迹，还灵活地实现了隐私保护与实用性之间的可调平衡。在三个大型真实世界轨迹数据集上的实验结果表明，我们的方法在各种指标上优于最先进的基准方法。
引用
@article{arxiv.2507.13366,
title = {Leveraging the Spatial Hierarchy: Coarse-to-fine Trajectory Generation via Cascaded Hybrid Diffusion},
author = {Baoshen Guo and Zhiqing Hong and Junyi Li and Shenhao Wang and Jinhua Zhao},
journal= {arXiv preprint arXiv:2507.13366},
year = {2025}
}