带地理坐标的群体合成
机器学习
2025-10-14 v1 计算机与社会
社会与信息网络
物理与社会
机器学习
摘要
生成具有明确坐标而非粗略地理区域的合成群体变得越来越重要，但目前尚无成熟的方法来实现这一点。一个原因是经纬度与其他连续变量不同，表现出大的空白空间和高度不均匀的密度。为了解决这个问题，我们提出了一种群体合成算法，该算法首先使用归一化流（NF）将空间坐标映射到更规则的潜在空间，然后将它们与变分自编码器（VAE）中的其他特征相结合以生成合成群体。这种方法还学习了空间和非空间特征之间的联合分布，利用了空间自相关。我们通过生成与121个数据集（对应不同地理区域）中真实住宅具有相同统计属性的合成住宅来演示该方法。我们进一步提出了一个评估框架，该框架在确保隐私保护的同时，衡量空间准确性和实际效用。我们的结果表明，NF+VAE架构优于流行的基准方法，包括基于copula的方法和地理区域内的均匀分配。以精细空间分辨率生成地理定位合成群体的能力为需要详细地理信息的应用打开了大门，从家庭对洪水的响应，到流行病传播、疏散规划和交通建模。
引用
@article{arxiv.2510.09669,
title = {Population synthesis with geographic coordinates},
author = {Jacopo Lenti and Lorenzo Costantini and Ariadna Fosch and Anna Monticelli and David Scala and Marco Pangallo},
journal= {arXiv preprint arXiv:2510.09669},
year = {2025}
}