Deep generative model for human mobility behavior

doi:10.1016/j.trc.2026.105916

Deep generative model for human mobility behavior

2026-08-01

0

PRE

AI

DOI：10.1016/j.trc.2026.105916

原文链接

原文求助

摘要

En 中文

理解和模拟人类流动性对于交通规划、可持续城市设计和公共卫生等领域的挑战至关重要。尽管已有数十年的努力，但由于其复杂、情境依赖和探索性的特性，模拟个体流动性仍然具有挑战性。本研究基于日常流动性的活动基础视角，提出MobilityGen，一种基于扩散的生成框架，用于在大空间尺度上模拟多属性活动-出行序列，时间跨度从数天到数周。通过将行为属性与环境情境相联系，MobilityGen再现了关键模式，如地点访问的缩放法则、活动时间分配以及出行方式和目的地选择的耦合演化。它反映了时空变异性，并生成与建成环境一致的多样化且合理的流动性模式。除标准验证外，MobilityGen能够进行先前模型难以实现的分析，包括不同出行方式下城市空间的可达性差异以及共现动态如何塑造社会暴露和隔离。综合来看，这些结果支持了一种综合的、数据驱动的基础，用于精细研究人类流动性行为及其社会影响。

Keyword:

Human mobility

Activity schedules

Deep generative model

Transport planning

Travel behavior modeling

Deep generative model for human mobility behavior

摘要

期刊

机构

引用论文