論文の概要: A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints
- arxiv url: http://arxiv.org/abs/2310.05091v1
- Date: Sun, 8 Oct 2023 09:35:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-03-19 02:52:40.581654
- Title: A Privacy-Preserving Trajectory Synthesis Method Based on Vector Translation Invariance Supporting Traffic Constraints
- Title（参考訳）: 交通制約を考慮したベクトル変換不変性に基づくプライバシ保護軌道合成法
- Authors: Zechen Liu, Wei Song, Yuhan Wang,
- Abstract要約: 本稿では,トラジェクトリ間の関係に基づく集約クエリを提案し,既存の手法と比較してデータの有用性を大幅に向上させることができる。
提案手法が提案するトラジェクトリは有効性が高く,理論解析により安全かつ信頼性が高いことが示された。
- 参考スコア（独自算出の注目度）: 5.178920172140948
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the popularization of different kinds of smart terminals and the development of autonomous driving technology, more and more services based on spatio-temporal data have emerged in our lives, such as online taxi services, traffic flow prediction, and tracking virus propagation. However, the privacy concerns of spatio-temporal data greatly limit the use of them. To address this issue, differential privacy method based on spatio-temporal data has been proposed. In differential privacy, a good aggregation query can highly improve the data utility. But the mainstream aggregation query methods are based on area partitioning, which is difficult to generate trajectory with high utility for they are hard to take time and constraints into account. Motivated by this, we propose an aggregation query based on the relationships between trajectories, so it can greatly improve the data utility as compared to the existing methods. The trajectory synthesis task can be regarded as an optimization problem of finding trajectories that match the relationships between trajectories. We adopt gradient descent to find new trajectories that meet the conditions, and during the gradient descent, we can easily take the constraints into account by adding penalty terms which area partitioning based query is hard to achieve. We carry out extensive experiments to validate that the trajectories generated by our method have higher utility and the theoretic analysis shows that our method is safe and reliable.
- Abstract（参考訳）: 各種スマート端末の普及や自動運転技術の発展に伴い、オンラインタクシーサービス、交通流予測、ウイルスの伝播追跡など、時空間データに基づくサービスが生活に多く現れている。
しかし、時空間データのプライバシーに関する懸念は、それらの使用を著しく制限する。
この問題に対処するため,時空間データに基づく差分プライバシー法が提案されている。
差分プライバシーでは、優れたアグリゲーションクエリはデータユーティリティを高度に改善することができる。
しかし、主流の集約クエリ手法は領域分割に基づいているため、高いユーティリティを持つ軌道を生成することは困難であり、時間と制約を考慮するのが困難である。
そこで本研究では,トラジェクトリ間の関係に基づくアグリゲーションクエリを提案し,既存の手法と比較してデータの有用性を大幅に向上させることができる。
トラジェクトリ合成タスクは、トラジェクトリ間の関係に一致するトラジェクトリを見つける最適化問題とみなすことができる。
我々は、条件を満たす新しい軌道を見つけるために勾配降下を採用し、勾配降下中は、領域分割に基づくクエリが困難であるペナルティ項を追加することで、容易に制約を考慮できる。
提案手法が提案するトラジェクトリは有効性が高く,理論解析により安全かつ信頼性が高いことが示された。
関連論文リスト
- A Real-time Spatio-Temporal Trajectory Planner for Autonomous Vehicles with Semantic Graph Optimization [8.221371036055167]
グラフ最適化に基づく意味的時間的軌道計画法を提案する。
複雑な都市道路のシナリオを効果的に処理し、リアルタイムで実行することができる。
研究コミュニティのベンチマークに対応するため、コードをリリースします。
論文 参考訳（メタデータ） (2025-02-25T12:27:06Z) - Real-Time Trajectory Synthesis with Local Differential Privacy [29.8702251045133]
ローカルディファレンシャルプライバシ(LDP)は、プライベートなトラジェクトリストリームの収集と分析のための有望なソリューションである。
RetraSynは、ユーザの軌道ストリームからプライベートに抽出されたモビリティパターンに基づいて、オンザフライの軌道合成を行うことができる。
RetraSynの主なコンポーネントは、グローバルモビリティモデル、動的モビリティ更新機構、リアルタイム合成、適応アロケーション戦略である。
論文 参考訳（メタデータ） (2024-04-17T14:55:49Z) - OTClean: Data Cleaning for Conditional Independence Violations using
Optimal Transport [51.6416022358349]
sysは、条件付き独立性(CI)制約下でのデータ修復に最適な輸送理論を利用するフレームワークである。
我々はSinkhornの行列スケーリングアルゴリズムにインスパイアされた反復アルゴリズムを開発し、高次元および大規模データを効率的に処理する。
論文 参考訳（メタデータ） (2024-03-04T18:23:55Z) - Integrating Higher-Order Dynamics and Roadway-Compliance into
Constrained ILQR-based Trajectory Planning for Autonomous Vehicles [3.200238632208686]
軌道計画は、自動運転車のグローバルな最適ルートを作成することを目的としている。
既存の自転車キネマティックモデルを用いた実装では、制御可能な軌道は保証できない。
このモデルを、曲率と長手ジャークの1階および2階微分を含む高階項で拡張する。
論文 参考訳（メタデータ） (2023-09-25T22:30:18Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳（メタデータ） (2022-10-21T07:25:57Z) - Accurate non-stationary short-term traffic flow prediction method [0.0]
本稿では,Long Short-Term Memory (LSTM) に基づく,短時間のトラフィックフローを正確に予測できる手法を提案する。
提案手法は, 極端外れ値, 遅延効果, トレンド変化応答に対して, 優れた性能を有する他の最先端手法に対して良好に動作する。
論文 参考訳（メタデータ） (2022-05-01T17:11:34Z) - Trajectory Forecasting from Detection with Uncertainty-Aware Motion
Encoding [121.66374635092097]
物体検出と追跡から得られる軌道は、必然的にうるさい。
本稿では, 明示的に形成された軌道に依存することなく, 直接検出結果に基づく軌道予測器を提案する。
論文 参考訳（メタデータ） (2022-02-03T09:09:56Z) - An end-to-end data-driven optimisation framework for constrained
trajectories [4.73357470713202]
データ駆動アプローチを活用して、最適化問題のための新しいエンドツーエンドフレームワークを設計します。
我々は、航空と航路の2つの設定にアプローチを適用し、指令結果を得る。
論文 参考訳（メタデータ） (2020-11-24T00:54:17Z) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - LSTM-TrajGAN: A Deep Learning Approach to Trajectory Privacy Protection [2.1793134762413437]
データ共有と公開のためのプライバシー保護型合成軌道データを生成するエンド・ツー・エンドのディープラーニングモデルを提案する。
本モデルは,実世界のセマンティック・トラジェクトリ・データセット上でのトラジェクトリ・ユーザ・リンクタスクに基づいて評価される。
論文 参考訳（メタデータ） (2020-06-14T03:04:19Z) - Tracking Performance of Online Stochastic Learners [57.14673504239551]
オンラインアルゴリズムは、大規模なバッチにデータを保存したり処理したりすることなく、リアルタイムで更新を計算できるため、大規模な学習環境で人気がある。
一定のステップサイズを使用すると、これらのアルゴリズムはデータやモデル特性などの問題パラメータのドリフトに適応し、適切な精度で最適解を追跡する能力を持つ。
定常仮定に基づく定常状態性能とランダムウォークモデルによるオンライン学習者の追跡性能の関連性を確立する。
論文 参考訳（メタデータ） (2020-04-04T14:16:27Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。