論文の概要: Leveraging the Spatial Hierarchy: Coarse-to-fine Trajectory Generation via Cascaded Hybrid Diffusion

• arxiv url: http://arxiv.org/abs/2507.13366v1
• Date: Tue, 08 Jul 2025 03:50:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-27 08:26:15.907112
• Title: Leveraging the Spatial Hierarchy: Coarse-to-fine Trajectory Generation via Cascaded Hybrid Diffusion
• Title（参考訳）: 空間階層の活用:カスケードハイブリッド拡散による粗大な軌道生成
• Authors: Baoshen Guo, Zhiqing Hong, Junyi Li, Shenhao Wang, Jinhua Zhao,
• Abstract要約: プライバシー上の懸念とデータ収集コストのため、詳細な人体移動軌道は一般に公開されにくい。 細粒度・プライバシー保護モビリティ生成のための軌道合成フレームワークであるCardiffを提案する。 提案手法は,様々な指標において,最先端のベースラインよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 40.869003778750205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban mobility data has significant connections with economic growth and plays an essential role in various smart-city applications. However, due to privacy concerns and substantial data collection costs, fine-grained human mobility trajectories are difficult to become publicly available on a large scale. A promising solution to address this issue is trajectory synthesizing. However, existing works often ignore the inherent structural complexity of trajectories, unable to handle complicated high-dimensional distributions and generate realistic fine-grained trajectories. In this paper, we propose Cardiff, a coarse-to-fine Cascaded hybrid diffusion-based trajectory synthesizing framework for fine-grained and privacy-preserving mobility generation. By leveraging the hierarchical nature of urban mobility, Cardiff decomposes the generation process into two distinct levels, i.e., discrete road segment-level and continuous fine-grained GPS-level: (i) In the segment-level, to reduce computational costs and redundancy in raw trajectories, we first encode the discrete road segments into low-dimensional latent embeddings and design a diffusion transformer-based latent denoising network for segment-level trajectory synthesis. (ii) Taking the first stage of generation as conditions, we then design a fine-grained GPS-level conditional denoising network with a noise augmentation mechanism to achieve robust and high-fidelity generation. Additionally, the Cardiff framework not only progressively generates high-fidelity trajectories through cascaded denoising but also flexibly enables a tunable balance between privacy preservation and utility. Experimental results on three large real-world trajectory datasets demonstrate that our method outperforms state-of-the-art baselines in various metrics.
• Abstract（参考訳）: 都市移動データは経済成長と重要なつながりを持ち、様々なスマートシティの応用において重要な役割を担っている。 しかし,プライバシの懸念やデータ収集コストの面では,詳細な人体移動軌道は大規模に公開することは困難である。 この問題を解決するための有望な解決策は、軌道合成である。 しかし、既存の研究はしばしば軌跡の構造的複雑さを無視し、複雑な高次元分布を扱えず、現実的な微粒な軌跡を生成する。 本稿では,細粒度・プライバシ保護モビリティ生成のための粗大なカスケードハイブリッド拡散に基づく軌道合成フレームワークであるCardiffを提案する。 都市移動の階層的性質を活用することで、Cardiffは生成プロセスを2つの異なるレベル、すなわち離散道路セグメントレベルと連続細粒度GPSレベルに分解する。 一 セグメントレベルでは、原軌道の計算コストと冗長性を低減するため、まず、離散道路区間を低次元の潜伏埋め込みに符号化し、セグメントレベルの軌道合成のための拡散トランスフォーマーに基づく潜伏復調ネットワークを設計する。 (II) 生成の第1段階を条件として, ノイズ増強機構を備えたきめ細かいGPSレベルの条件記述ネットワークを設計し, 堅牢かつ高忠実な生成を実現する。 さらに、Cardiffフレームワークは、段階的に高忠実性トラジェクトリを生成するだけでなく、フレキシブルにプライバシ保護とユーティリティの調整可能なバランスを可能にする。 3つの大規模実世界の軌道データセットによる実験結果から,本手法は様々な指標において最先端のベースラインよりも優れていることが示された。

関連論文リスト

• Holistic Semantic Representation for Navigational Trajectory Generation [33.55971756543447]
  ナビゲーション生成のためのHOSER(Holistic Semantic Representation)フレームワークを開発した。 我々は,HOSERが最先端のベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-01-06T03:11:12Z)
• Multi-Agent Path Finding in Continuous Spaces with Projected Diffusion Models [57.45019514036948]
  MAPF(Multi-Agent Path Finding)は、ロボット工学における基本的な問題である。 連続空間におけるMAPFの拡散モデルと制約付き最適化を統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-23T21:27:19Z)
• Reconsidering utility: unveiling the limitations of synthetic mobility data generation algorithms in real-life scenarios [49.1574468325115]
  実世界の応用性の観点から,5つの最先端合成手法の有用性を評価した。 我々は、GPS追跡タクシーのような細粒度都市の動きを符号化するいわゆる旅行データに焦点を当てる。 あるモデルは妥当な時間内にデータを生成することができず、別のモデルはマップマッチングの要件を満たすためにあまりに多くのジャンプを生成する。
  論文  参考訳（メタデータ） (2024-07-03T16:08:05Z)
• ControlTraj: Controllable Trajectory Generation with Topology-Constrained Diffusion Model [39.0442700565278]
  ControlTrajは、トポロジ制約付き拡散モデルを備えた、制御可能なトラジェクトリ生成フレームワークである。 道路セグメントの微細な埋め込みを抽出する新しい道路セグメントオートエンコーダを開発した。 符号化された特徴とトリップ属性は、後に提案された地理的なUNetアーキテクチャにマージされる。
  論文  参考訳（メタデータ） (2024-04-23T09:42:45Z)
• Residual Chain Prediction for Autonomous Driving Path Planning [5.139918355140954]
  残留連鎖損失は損失計算過程を動的に調整し、予測経路点の時間依存性と精度を高める。 我々の研究は、自動運転車の計画コンポーネントに革命をもたらすために、Residual Chain Lossの可能性を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-04-08T11:43:40Z)
• MobilityGPT: Enhanced Human Mobility Modeling with a GPT model [12.01839817432357]
  我々はこれらの問題に対処するために、自己回帰生成タスクとして、人間のモビリティモデリングを再構築する。 本稿では,ジオスパティカル・アウェア・ジェネレーティブ・モデルであるモビリティGPTを提案する。 実世界のデータセットの実験では、モビリティGPTは最先端の手法よりも優れたパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-02-05T18:22:21Z)
• Adaptive Hierarchical SpatioTemporal Network for Traffic Forecasting [70.66710698485745]
  本稿では,AHSTN(Adaptive Hierarchical SpatioTemporal Network)を提案する。 AHSTNは空間階層を利用し、マルチスケール空間相関をモデル化する。 2つの実世界のデータセットの実験により、AHSTNはいくつかの強いベースラインよりも優れたパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2023-06-15T14:50:27Z)
• Continuous Trajectory Generation Based on Two-Stage GAN [50.55181727145379]
  本稿では,道路網上の連続軌道を生成するために,新たな2段階生成対向フレームワークを提案する。 具体的には、A*アルゴリズムの人間の移動性仮説に基づいてジェネレータを構築し、人間の移動性について学習する。 判別器では, 逐次報酬と移動ヤウ報酬を組み合わせることで, 発電機の有効性を高める。
  論文  参考訳（メタデータ） (2023-01-16T09:54:02Z)
• Multi-intersection Traffic Optimisation: A Benchmark Dataset and a Strong Baseline [85.9210953301628]
  交通信号の制御は、都市部の交通渋滞の緩和に必要不可欠である。 問題モデリングの複雑さが高いため、現在の作業の実験的な設定はしばしば矛盾する。 エンコーダ・デコーダ構造を用いた深層強化学習に基づく新規で強力なベースラインモデルを提案する。
  論文  参考訳（メタデータ） (2021-01-24T03:55:39Z)

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。