論文の概要: Beyond Trajectory Statistics: Community-Consistent Human Mobility Generation via Evolving User-Location Graphs

• arxiv url: http://arxiv.org/abs/2610.28467v1
• Date: Tue, 20 Oct 2026 16:21:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.917352
• Title: Beyond Trajectory Statistics: Community-Consistent Human Mobility Generation via Evolving User-Location Graphs
• Title（参考訳）: 軌道統計を超える: ユーザ位置グラフの進化によるコミュニティ一貫性の人体移動生成
• Abstract要約: 本研究では,ユーザエージェント,位置情報エージェント,グローバルマネージャエージェントを用いて,コミュニティに一貫性のある人的モビリティ生成について検討する。 MOTIONはユーザエージェント、ロケーションエージェント、グローバルマネージャエージェントで構成される。 実験の結果、MOTIONは個々の軌跡、人口とフローの分布、およびコミュニティとグラフ構造の指標で、少なくとも4.05%のベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 47.955348519844016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human mobility data are fundamental to Web-based location services and broader urban applications, and mobility generation provides synthetic trajectories when real data are costly or inaccessible. Although recent mobility generators have incorporated collective mobility patterns, they primarily focus on individual trajectories and aggregate population dynamics, leaving evolving community structures formed by user-location interactions insufficiently modeled. In this paper, we study community-consistent human mobility generation. To this end, we formulate mobility generation as the generation of dynamic user-location graphs to model community structures and propose MOTION, a Multi-agent framework for cOmmuniTy-consIstent human mObility geNeration. MOTION consists of user agents, location agents, and a global manager agent. MOTION first detects coherent communities from historical mobility using the Leiden algorithm and extracts community-conditioned interaction priors to guide the generation process. Guided by these priors, the user agents plan mobility, search destination candidates, and infer user movements from the individual view. In parallel, selectively activated location agents infer likely user arrivals from the community view. The manager coordinates both views, diagnoses interactions causing deviations, and attributes targeted reflection signals to revise user decisions, location attraction, and source-user selection. Experiments on two real-world datasets show that MOTION outperforms baselines by at least 4.05% across reported metrics of individual trajectories, population and flow distributions, and community and graph structures. Further analyses confirm its robustness, privacy preservation, and downstream utility. The code is available at https://anonymous.4open.science/r/MOTION-04C4.
• Abstract（参考訳）: 人間の移動性データは、Webベースの位置情報サービスやより広範な都市アプリケーションに基本的であり、実際のデータが費用がかかるかアクセス不能な場合に、モビリティ生成は合成軌跡を提供する。 最近のモビリティ・ジェネレータは、集合的なモビリティ・パターンを取り入れているが、それらは主に個々の軌跡や人口動態に焦点を合わせており、ユーザー・ロケーションの相互作用によって形成されたコミュニティ構造は十分にモデル化されていない。 本稿では,コミュニティに整合した人的モビリティ生成について検討する。 そこで我々は,コミュニティ構造をモデル化するための動的ユーザ位置グラフの生成としてモビリティ生成を定式化し,cOmmuniTy-consIstent human mObility geNerationのためのマルチエージェントフレームワークMOTIONを提案する。 MOTIONはユーザエージェント、ロケーションエージェント、グローバルマネージャエージェントで構成される。 まず、レイデンアルゴリズムを用いてコヒーレントなコミュニティを歴史的モビリティから検出し、コミュニティ条件付き相互作用を抽出し、生成プロセスのガイドを行う。 これらの先行して、ユーザエージェントは、モビリティ、検索先候補、および個々のビューからのユーザ動作の推測を計画する。 並行して、選択的に活性化された位置情報エージェントは、コミュニティビューからおそらくユーザの到着を推測する。 マネージャは、ビューのコーディネート、逸脱の原因となるインタラクションの診断、ユーザ決定、ロケーションアトラクション、ソース-ユーザ選択の修正を目標とするリフレクション信号の属性を調整します。 2つの実世界のデータセットの実験では、MOTIONは個々の軌跡、人口とフローの分布、およびコミュニティとグラフの構造の計測値において、少なくとも4.05%のベースラインを上回っている。 さらなる分析により、その堅牢性、プライバシー保護、下流ユーティリティが確認される。 コードはhttps://anonymous.4open.science/r/MOTION-04C4で公開されている。

関連論文リスト

• Plan-to-Synthesis: Cross-City Human Mobility Generation via Semantic Latent Flow Matching [50.079901905090516]
  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。
  論文  参考訳（メタデータ） (2026-09-26T15:50:08Z)
• MobEvolve: An Agentic Self-Evolving Heuristic System for Interpretable Human Mobility Generation [51.824145170051516]
  MobEvolveは、人間のモビリティ生成のための自己進化フレームワークである。 エージェントを使用して、内部ロジックを反復的に進化させる。 最先端の深層生成法とLLMベースの手法を著しく上回っている。
  論文  参考訳（メタデータ） (2026-06-01T03:46:25Z)
• Human-Flow Digital Twin for Predicting the Effects of Mobility Introduction on Visitor Circulation [3.8059351484973605]
  本研究では,人流デジタルツインを用いた移動性導入対策の効果を予測する枠組みを提案する。 このデジタルツインにはマルチエージェントシミュレータが組み込まれており、現在位置やスポットの魅力といった要因に応じて、訪問者が目的地を選択する方法を示すことができる。 和歌山城公園内における移動性を考慮した人流データを用いて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2026-05-17T12:43:14Z)
• JiuTian Chuanliu: A Large Spatiotemporal Model for General-purpose Dynamic Urban Sensing [31.475610263075904]
  本稿では,都市センシングのためのGDHME(General-purpose and Dynamic Human Mobility Embedding)というフレームワークを紹介する。 ステージ1では、GDHMEは人や地域を動的グラフ内のノードとして扱う。 自己回帰型自己教師型タスクは、汎用ノード埋め込みの学習をガイドするために特別に設計されている。
  論文  参考訳（メタデータ） (2025-10-26T10:04:28Z)
• Identifying and Characterising Higher Order Interactions in Mobility Networks Using Hypergraphs [1.1060425537315088]
  本研究では,時間的観測窓を利用したグループ間相互作用抽出モデルであるコビジュエーションハイパーグラフを提案する。 パターンマイニングを頻繁に行うことで,異なる空間的・時間的スケールにわたる動的移動挙動を捉えたハイパーグラフを構築した。 我々のハイパーグラフに基づくモビリティ分析フレームワークは,様々な分野に適用可能なツールとして有用であることを示す。
  論文  参考訳（メタデータ） (2025-03-24T11:29:06Z)
• Activity-aware Human Mobility Prediction with Hierarchical Graph Attention Recurrent Network [6.09493819953104]
  本稿では,HGARN(Hierarchical Graph Attention Recurrent Network)を用いて人体移動予測を行う。 具体的には、過去の移動記録に基づいて階層グラフを構築し、複雑な時間-活動-位置の依存関係をキャプチャするために階層グラフ注意モジュールを使用する。 モデル評価において,HGARNの既存手法に対して,既存手法(例えば,以前に訪れた場所に戻る)と爆発的手法(すなわち,新しい場所を訪れる)の両方で,HGARNの性能を検証した。
  論文  参考訳（メタデータ） (2022-10-14T12:56:01Z)
• Motion Transformer with Global Intention Localization and Local Movement Refinement [103.75625476231401]
  動き TRansformer (MTR) は、大域的意図の局所化と局所的な動きの洗練の合同最適化として、動き予測をモデル化する。 MTRは、限界運動予測と関節運動予測の両方において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2022-09-27T16:23:14Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)

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。