MobilityGPT: Enhanced Human Mobility Modeling with a GPT model

要約

生成モデルは、人間の移動特性の捕捉と合成軌道の生成において有望な結果を示しています。
ただし、生成された地理空間モビリティ データが、一貫した位置シーケンスを含めて意味的に現実的であり、地理空間の制限などの現実世界の特性を反映していることを保証することは依然として困難です。
これらの問題に対処するために、Generative Pre-trained Transformer (GPT) アーキテクチャを活用して、人間のモビリティ モデリングを自己回帰生成タスクとして再フォーマットします。
上記の課題を軽減する制御可能な生成を保証するために、地理空間を認識した生成モデル MobilityGPT を提案します。
意味シーケンスの類似性についてトランスフォーマーをトレーニングするための重力ベースのサンプリング方法を提案します。
次に、軌道生成におけるシーケンスの接続性を提供する道路接続性マトリックスを介してトレーニング プロセスを制約し、生成された軌道を地理空間の制限内に保ちました。
最後に、トレーニングと合成的に生成された軌道の間の移動距離を最小限に抑える、軌道フィードバックからの強化学習 (RLTF) メカニズムを介して MobilityGPT を微調整するための優先データセットを構築することを提案しました。
現実世界のデータセットでの実験では、出発地と目的地の類似性、旅行長、移動半径、リンク、重力の点で実際のデータに最も近い高品質なモビリティ軌道を生成する際に、MobilityGPT が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ことが実証されています。
配布物。

要約(オリジナル)

Generative models have shown promising results in capturing human mobility characteristics and generating synthetic trajectories. However, it remains challenging to ensure that the generated geospatial mobility data is semantically realistic, including consistent location sequences, and reflects real-world characteristics, such as constraining on geospatial limits. We reformat human mobility modeling as an autoregressive generation task to address these issues, leveraging the Generative Pre-trained Transformer (GPT) architecture. To ensure its controllable generation to alleviate the above challenges, we propose a geospatially-aware generative model, MobilityGPT. We propose a gravity-based sampling method to train a transformer for semantic sequence similarity. Then, we constrained the training process via a road connectivity matrix that provides the connectivity of sequences in trajectory generation, thereby keeping generated trajectories in geospatial limits. Lastly, we proposed to construct a preference dataset for fine-tuning MobilityGPT via Reinforcement Learning from Trajectory Feedback (RLTF) mechanism, which minimizes the travel distance between training and the synthetically generated trajectories. Experiments on real-world datasets demonstrate MobilityGPT’s superior performance over state-of-the-art methods in generating high-quality mobility trajectories that are closest to real data in terms of origin-destination similarity, trip length, travel radius, link, and gravity distributions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google