論文の概要: Plan-to-Synthesis: Cross-City Human Mobility Generation via Semantic Latent Flow Matching

• arxiv url: http://arxiv.org/abs/2609.32732v1
• Date: Sat, 26 Sep 2026 15:50:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:54:20.376674
• Title: Plan-to-Synthesis: Cross-City Human Mobility Generation via Semantic Latent Flow Matching
• Title（参考訳）: Plan-to-Synthesis:セマンティックラテントフローマッチングによる都市間人間移動生成
• Abstract要約: 人間のモビリティ生成は、現実的なPOI(point-of-interest)訪問軌跡を合成することを目的としている。 潜在フローマッチングに基づくセマンティックヒューマンモビリティ生成フレームワークSeMoFlowを提案する。 本研究では,SeMoFlowが既存のベースラインよりも高い軌道忠実性を実現し,都市固有のモチーフを保ち,都市間移動と都市間移動の両立を支援していることを示す。
• 参考スコア（独自算出の注目度）: 50.079901905090516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human mobility generation aims to synthesize realistic point-of-interest (POI) visitation trajectories and has become an important tool for travel behavior modeling, transportation management, and urban planning. Existing diffusion-based methods achieve high fidelity but require per-city generation, given the inherent heterogeneity of geospatial locations and POI categories, while large language model-based methods generalize across cities but remain too costly at scale, especially for long-horizon trajectory generation. To address this, we propose SeMoFlow, a Semantic human Mobility generation framework based on latent Flow matching. We first encode heterogeneous POIs from different cities into a shared cross-city representation space via hierarchical Semantic IDs, where shared prefixes capture transferable semantics, and successive codes progressively refine the representation toward individual POIs. Building on the semantic IDs, SeMoFlow follows a plan-to-synthesis hierarchical generation paradigm, in which an autoregressive planner generates coarse-grained semantic and recurrence patterns, and a flow matching realizer synthesizes fine-grained suffix latents. The generated latents are subsequently decoded and grounded to concrete POIs. Extensive experiments on large-scale multi-city datasets show that SeMoFlow achieves higher trajectory fidelity than existing baselines, preserves city-specific mobility motifs, and supports both joint multi-city generation and effective cross-city transfer.
• Abstract（参考訳）: ヒトのモビリティ生成は、現実的な関心点(POI)訪問軌跡を合成することを目的としており、旅行行動モデリング、交通管理、都市計画の重要なツールとなっている。 既存の拡散法は高忠実性を実現するが、地理空間的位置とPOIカテゴリーの固有の異質性を考えると都市毎の発生を必要とする。 そこで本研究では,潜在フローマッチングに基づくセマンティックヒューマンモビリティ生成フレームワークSeMoFlowを提案する。 我々はまず,異なる都市の異種POIを階層的セマンティックIDを通じて共有都市間表現空間に符号化し,共有プレフィックスが伝達可能なセマンティクスをキャプチャし,各POIに対する表現を段階的に洗練する。 セマンティックIDに基づいて、SeMoFlowは、自己回帰プランナーが粗いセマンティックおよび反復パターンを生成し、フローマッチングファインダがきめ細かなサフィックスラテントを合成する、計画から合成までの階層生成パラダイムに従う。 生成された潜水剤は後にデコードされ、コンクリートPOIに接地される。 大規模マルチシティデータセットの大規模な実験により、SeMoFlowは既存のベースラインよりも高いトラジェクトリ忠実性を実現し、都市固有のモチーフを維持し、共同マルチシティ生成と効果的なクロスシティ転送の両方をサポートすることが示された。

関連論文リスト

• CityGen: Structure-Guided City-Style Synthesis for Cross-City Autonomous Driving [5.149645190293104]
  CityTransfer-Benchは、知覚、セグメンテーション、計画にわたる都市間一般化を評価するためのベンチマークである。 CityGenは拡散に基づく生成フレームワークであり、都市レベルの視覚的プロンプトによって誘導されるHDマップ条件の合成を通じてゼロラベルの都市適応を実行する。
  論文  参考訳（メタデータ） (2026-05-28T13:46:48Z)
• Fusing Urban Structure and Semantics: A Conditional Diffusion Model for Cross-City OD Matrix Generation [18.83736310991741]
  本研究では,一般化可能なOD行列生成のための構造拡張拡散モデルであるSEDANを提案する。 我々は意味情報と空間情報を共同でモデル化する。 米国都市の実際のODデータセットの実験では、SEDANは最先端のベースラインであるWEDANよりもRMSEを7.38%改善している。
  論文  参考訳（メタデータ） (2026-05-01T04:08:38Z)
• InsTraj: Instructing Diffusion Models with Travel Intentions to Generate Real-world Trajectories [58.29205608173041]
  InsTrajは、拡散モデルに自然言語記述から直接高忠実な軌道を生成するよう指示する新しいフレームワークである。 InsTrajは、入力命令に対して現実的で多様で意味論的に忠実な軌跡を生成する際に、最先端の手法を著しく上回ることを示す。
  論文  参考訳（メタデータ） (2026-04-05T12:56:55Z)
• Learning Multi-Modal Mobility Dynamics for Generalized Next Location Recommendation [51.00494428978262]
  位置推薦タスクの移動力学を特徴付けるために,マルチモーダルな時空間知識を利用する。 まず、マルチモーダル表現のための統合時空間関係グラフ(STRG)を構築する。 第二に、異なるモーダルの空間時間グラフ表現を融合するゲーティング機構を設計する。
  論文  参考訳（メタデータ） (2025-12-27T14:23:04Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• Leveraging the Spatial Hierarchy: Coarse-to-fine Trajectory Generation via Cascaded Hybrid Diffusion [40.869003778750205]
  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。
  論文  参考訳（メタデータ） (2025-07-08T03:50:01Z)
• MoveGPT: Scaling Mobility Foundation Models with Spatially-Aware Mixture of Experts [17.430772832222793]
  MoveGPTは、スケーリングの障壁を克服するために特別に設計された、大規模な基盤モデルである。 幅広いダウンストリームタスクにまたがって新たな最先端技術を確立し、平均して35%のパフォーマンス向上を実現している。 また、目に見えない都市に強力な一般化能力を示す。
  論文  参考訳（メタデータ） (2025-05-24T12:17:47Z)
• 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)
• Semantic-Fused Multi-Granularity Cross-City Traffic Prediction [17.020546413647708]
  本研究では,異なる粒度で融合した意味を持つ都市間における知識伝達を実現するためのセマンティック・フューズド・マルチグラニュラリティ・トランスファー・ラーニング・モデルを提案する。 本稿では,静的な空間依存を保ちながら,様々な意味を融合する意味融合モジュールを設計する。 STLモデルの有効性を検証するため、6つの実世界のデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-02-23T04:26:34Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)

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。