Be More Real: Travel Diary Generation Using LLM Agents and Individual Profiles

要約

人間のモビリティは、交通渋滞、エネルギー消費、公衆衛生などの社会問題と密接に関係しています。
ただし、プライバシー上の懸念により、モビリティ データへのアクセスが制限されます。
最近の研究では、人間のモビリティ生成に大規模言語モデル (LLM) が利用されています。その課題は、LLM が個人のモビリティ行動の違いをどのように理解して、現実世界のコンテキストに準拠した現実的な軌道を生成できるかです。
この研究では、理解ベースの移動パターン抽出と推論ベースの軌跡生成という 2 つのフェーズで構成される LLM エージェントベースのフレームワーク (MobAgent) を提示することで、この問題に対処しています。これにより、さまざまな個人プロファイルを考慮して、都市規模でより現実的な旅行日記を生成することが可能になります。
MobAgent は、特定のモビリティの傾向と属性の影響の背後にある理由を抽出して、信頼できるパターンを提供します。
文脈上の要因と移動の根底にある動機との関係を推測します。
そしてパターンと再帰的推論プロセスに基づいて、MobAgent は最終的に、個人差と現実世界の制約の両方を反映する、より本物でパーソナライズされたモビリティを生成します。
私たちは 20 万件の旅行調査データを使用してフレームワークを検証し、パーソナライズされた正確な旅行日記の作成におけるその有効性を実証しています。
この研究は、現実世界のモビリティ データを通じて人間のモビリティを詳細かつ洗練された理解を提供する LLM の能力に焦点を当てています。

要約(オリジナル)

Human mobility is inextricably linked to social issues such as traffic congestion, energy consumption, and public health; however, privacy concerns restrict access to mobility data. Recently, research have utilized Large Language Models (LLMs) for human mobility generation, in which the challenge is how LLMs can understand individuals’ mobility behavioral differences to generate realistic trajectories conforming to real world contexts. This study handles this problem by presenting an LLM agent-based framework (MobAgent) composing two phases: understanding-based mobility pattern extraction and reasoning-based trajectory generation, which enables generate more real travel diaries at urban scale, considering different individual profiles. MobAgent extracts reasons behind specific mobility trendiness and attribute influences to provide reliable patterns; infers the relationships between contextual factors and underlying motivations of mobility; and based on the patterns and the recursive reasoning process, MobAgent finally generates more authentic and personalized mobilities that reflect both individual differences and real-world constraints. We validate our framework with 0.2 million travel survey data, demonstrating its effectiveness in producing personalized and accurate travel diaries. This study highlights the capacity of LLMs to provide detailed and sophisticated understanding of human mobility through the real-world mobility data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google