MobiDiff: генерация синтетических мобильных данных с помощью дискретной диффузии

Генерация синтетических данных о передвижении людей — сложная задача, требующая сохранения пространственно-временных закономерностей и соблюдения конфиденциальности. Новый фреймворк MobiDiff, основанный на дискретной диффузии, предлагает эффективное решение, моделируя мобильные данные как многоканальные семантические скелеты. В отличие от традиционных подходов, работающих с непрерывными следами, MobiDiff напрямую восстанавливает дискретные события, включая регион, активность, время и интервал, что обеспечивает высокую интерпретируемость и скорость генерации.

Как работает MobiDiff

MobiDiff разлагает каждое событие (check-in) на три канала: пространственный (регион), активности и временной. Вместо того чтобы моделировать траекторию как единую последовательность, фреймворк рассматривает её как набор независимых, но связанных каналов. Для обучения используется структурированное маскирование на трёх уровнях: событий, групп и каналов. Это позволяет совместно улавливать как глобальные паттерны траекторий, так и локальные зависимости внутри одного события. Например, маскирование на уровне событий учит модель восстанавливать пропущенные check-in, а маскирование каналов — предсказывать недостающую информацию (например, тип активности) при известных регионе и времени.

Почему это важно для городского планирования

Реальные данные о мобильности дороги в сборе и часто недоступны из-за конфиденциальности. Синтетические данные могут заменить их в задачах оптимизации транспорта, распределения ресурсов и моделирования эпидемий. Однако существующие генеративные модели часто не сохраняют ключевые статистические свойства, такие как длина траекторий или распределение временных интервалов. MobiDiff решает эту проблему, предлагая быстрый и интерпретируемый подход, который в среднем в 5,3 раза быстрее аналогов (например, GeoGen) при инференсе.

Какие результаты показал фреймворк

MobiDiff протестирован на трёх крупных наборах данных из Атланты, Бостона и Сиэтла. Результаты демонстрируют, что фреймворк хорошо сохраняет распределения длины траекторий и временных интервалов, а также конкурентоспособен по другим статистическим метрикам. В частности, синтетические данные, сгенерированные MobiDiff, по своим свойствам близки к реальным, что подтверждает их пригодность для downstream-задач, таких как прогнозирование спроса на транспорт или анализ потоков.

Какие ограничения есть у MobiDiff?

Несмотря на преимущества, у метода есть ограничения. Авторы не приводят детального сравнения по всем возможным метрикам utility для конкретных прикладных задач. Также неясно, насколько хорошо MobiDiff масштабируется на другие типы мобильных данных, например, непрерывные GPS-треки вместо дискретных check-in. Кроме того, эффективность при работе с очень редкими событиями (например, ночные перемещения) требует дополнительного изучения.

Кому будет полезен MobiDiff

Фреймворк заинтересует разработчиков систем генерации синтетических данных, исследователей в области городской информатики, транспортного планирования и анализа мобильности. Компании, работающие с геопространственными данными и конфиденциальностью, также могут использовать MobiDiff для создания анонимизированных датасетов без потери статистических свойств.

Перспективы развития

В будущем авторы планируют расширить метод на другие типы данных и улучшить его способность обрабатывать разреженные события. Возможна интеграция с дифференциальной приватностью для усиления защиты конфиденциальности. Также интерес представляет применение MobiDiff в реальных системах городского управления, где скорость генерации данных критична.