MobiDiff：面向人类移动数据生成的多通道语义感知离散扩散框架

# MobiDiff: 面向人类移动数据生成的语义感知多通道离散扩散模型
来源：https://arxiv.org/html/2607.08357
,Lin Jiang佛罗里达州立大学塔拉哈西佛罗里达州美国lj23d@fsu\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected]),Dahai Yu佛罗里达州立大学塔拉哈西佛罗里达州美国dahai\.yu@fsu\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected]),Ximiao Li佛罗里达州立大学塔拉哈西佛罗里达州美国xl24g@fsu\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected]),Taichi Liu罗格斯大学皮斯卡塔韦新泽西州美国taichi\.liu@rutgers\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected]),Desheng Zhang罗格斯大学皮斯卡塔韦新泽西州美国desheng@cs\.rutgers\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected]),Yuan Tian加州大学洛杉矶分校洛杉矶加利福尼亚州美国yuant@ucla\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected])和Guang Wang佛罗里达州立大学塔拉哈西佛罗里达州美国guang@cs\.fsu\.edu (https://arxiv.org/html/2607.08357v1/mailto:[email protected])

###### 摘要。

人类移动数据对于交通优化、城市规划和资源分配至关重要，然而真实世界的移动数据收集成本高昂，且因隐私问题难以共享。近年来基于扩散的方法在合成逼真的移动模式方面展现出潜力，但它们通常依赖于连续或潜在的时空轨迹，限制了其原生建模具有明确区域、活动、时间和间隔结构的离散语义事件的能力。为解决此问题，我们提出MobiDiff，一个端到端的离散扩散框架，通过直接去噪多通道语义骨架高效生成移动数据，避免了现有基于扩散方法中普遍采用的昂贵的插值、潜在轨迹构建和粗到细实现流程。具体而言，MobiDiff将每个人类签到事件分解为空间、活动和时间通道，并采用结构化的事件级、组级和通道级掩码来联合捕获轨迹级别的移动模式和事件内依赖关系。我们在亚特兰大、波士顿和西雅图三个大规模真实世界数据集上评估了生成保真度、隐私保护和效率。结果表明，MobiDiff能有效保留轨迹长度和时间间隔分布，同时在更广泛的移动统计指标上保持竞争力；并且比最先进方法快得多，例如推理时平均比GeoGen快5.3倍。这些发现表明离散扩散为合成移动数据生成提供了一个可解释且高效的框架。

合成数据生成, 扩散模型, 时空模式

††ccs:信息系统 时空系统††ccs:信息系统 数据挖掘

## 1. 引言

人类移动数据记录人们去了哪里、活动何时发生以及一天中语义例行程序如何展开。真实的移动数据对于交通优化、城市规划、资源分配和“假设模拟”非常有价值。然而，由于收集成本高昂且因暴露敏感行为模式而难以共享（Kong等人，2023），大规模收集真实移动数据困难重重。因此，合成数据生成作为一种高效方式颇具吸引力，它能支持大规模数据访问，同时减少原始人类移动轨迹的直接暴露。这一需求在近期关于网约车、交通预测、多变量城市预测、医疗健康与能源需求预测以及灾害响应分析的空间智能应用中得到进一步强化，这些应用中逼真的时空数据是可靠建模和决策支持的核心（Jiang等人，2025a；Li等人，2024a；Yu等人，2025，2026a，2026b；Yu，2026；Li等人，2025；Jiang等人，2025b；Shen等人，2025）。

近年来生成建模的进展已能通过多种模型族实现合成移动生成，包括基于GAN、基于LLM和基于扩散的方法。基于GAN的方法如MoveSim（Feng等人，2020）通过对抗学习生成移动序列，但常遭遇训练不稳定和模式崩溃问题，限制了其可靠捕捉多样化人类移动模式的能力。基于LLM的方法如Geo-Llama（Li等人，2024b）利用大型语言模型建模时空移动序列并支持移动轨迹生成，但其自回归解码和大模型尺寸在大规模合成移动数据生成时可能引入大量计算开销。最近，基于扩散的轨迹生成器通过去噪连续、潜在或分阶段时空表示改善了样本质量（Ho等人，2020）。DiffTraj（Zhu等人，2023）将扩散模型应用于连续GPS轨迹生成，AutoSTDiff（Xu等人，2025）引入了基于扩散的异步轨迹生成，GeoGen（Xu等人，2026a）和SynHAT（Xu等人，2026b）进一步开发了用于签到和人类移动数据合成的粗到细扩散流程。然而，现有基于扩散的移动数据生成器仍然依赖于连续或潜在轨迹构建、预定义时间范围或粒度、插值或粗到细实现，然后才生成最终移动轨迹。因此，其生成过程仍与人类移动数据固有的离散和结构化本质不一致——其中每个签到事件共同编码了区域、活动、时间和事件间间隔信息。

我们的关键直觉是直接将移动轨迹建模为变长离散语义事件序列，而不是将其分解为多个具有固定长度和间隔的连续时空轨迹。离散扩散与此表示高度契合，因为它直接对分类移动状态（如区域、活动、时间区间和间隔区间）进行操作，允许模型在一阶段直接生成语义活动骨架，无需昂贵的插值或粗到细实现。然而，将此想法应用于移动数据生成引入了两个挑战。首先，每个事件包含紧密耦合的空间、语义和时间因素，独立建模可能破坏现实的活动逻辑。其次，尽管这些因素表示为离散标记，它们仍携带数值型的时空含义：区域标记反映地理邻近性，绝对时间标记编码日周期性，间隔时间标记表示持续时间尺度。纯分类处理可能因此丢失重要的移动结构，即使生成的骨架看起来有效。

为解决这些挑战，我们提出MobiDiff，一个面向大规模人类移动数据生成的语义感知多通道端到端离散扩散框架。为捕捉每个活动事件内的耦合因素，MobiDiff将每个活动事件表示为由宏观区域、微观区域、活动类别、绝对时间和间隔时间标记组成的多通道事件，并引入事件级、组级和通道级结构化掩码。该掩码策略鼓励模型从轨迹级上下文和事件内依赖关系中重建缺失的空间、语义和时间成分。为保留离散标记背后的数值含义，MobiDiff进一步融入空间和时间感知的标记表示，其中区域标记与地理坐标关联，时间/间隔标记编码周期性和持续时间尺度。因此，MobiDiff能直接生成可解释的语义活动骨架，同时保持逼真移动轨迹合成所需的时空结构。

我们使用空间、时间、语义和聚合轨迹统计量的Jensen-Shannon散度以及效率比较来评估MobiDiff，与最先进的基于扩散的基线进行对比。结果表明，离散扩散在保留长度和时间间隔行为方面特别强大，在更广泛的移动统计指标上保持竞争力，并提供有利的效率特性，而空间保真度在某些城市-指标组合上仍有改进空间。

本研究的主要贡献总结如下：

- • 我们引入了人类移动数据生成的离散扩散视角，将其表述为一个一阶段端到端语义活动骨架去噪过程，而非连续轨迹合成。
- • 我们提出了MobiDiff，一个语义感知多通道离散扩散框架，通过空间、语义和时间标记表示每个活动事件，并通过结构化的事件级、组级和通道级掩码联合建模轨迹级上下文和事件内依赖关系。
- • 我们在亚特兰大、波士顿和西雅图三个真实世界人类移动数据集上进行了广泛实验，评估生成保真度、隐私保护和推理效率，展示了MobiDiff的有效性，并突出离散扩散作为人类移动数据生成的一个有前途的未来方向。

## 2. 预备知识

### 2.1. 问题陈述

#### 2.1.1. 人类移动轨迹

人类移动轨迹以一系列稀疏签到事件的形式记录一个人的活动级出行行为。我们将移动轨迹表示为 T = [e_1, e_2, ..., e_L]，其中 L 是轨迹长度，每个事件 e_i = (p_i, t_i) 包含一个兴趣点 (POI) p_i ∈ P 和一个时间戳 t_i。此处，P 是一个有限的 POI 集合，每个 POI 关联元数据如地理坐标和活动类别。与连续GPS轨迹相比，人类移动轨迹是稀疏的、非均匀采样的、变长的，因为事件仅在用户访问有意义的活动地点时才被观测到。两个连续事件之间的时间间隔定义为 Δt_i = t_i - t_{i-1}，其中 i > 1。

#### 2.1.2. 人类移动数据生成问题

给定一个真实人类移动轨迹的训练集 D = {T^{(n)}}_{n=1}^N，人类移动数据生成的目标是学习一个参数为 θ 的生成模型 p_θ，能够合成逼真的轨迹 T̂ ∼ p_θ(T)。生成的轨迹应保留真实人类移动轨迹的空间、语义、时间和聚合移动模式，同时避免直接重用单个真实轨迹。

### 2.2. 掩码离散扩散

离散扩散模型通过定义离散状态上的前向破坏过程并学习反向去噪过程，将基于扩散的生成建模扩展到分类数据（Austin等人，2021；Hoogeboom等人，2021；Campbell等人，2022）。一种常见且有效的变体是掩码离散扩散，其中被破坏的标记被替换为特殊的吸收态 [MASK]，模型学习从部分掩码输入中恢复原始干净标记（Austin等人，2021；Shi等人，2024）。给定一个长度为 n 的干净离散序列 x_0 = [x_1, ..., x_n]，前向破坏分布 q 通过根据时间步相关的掩码率 α_t 独立掩码标记来采样一个破坏序列 x_t：

q(x_{t,j} | x_{0,j}) = 
\begin{cases}
x_{0,j}, & \text{以概率 } 1-\alpha_t,\\
\texttt{[MASK]}, & \text{以概率 } \alpha_t.
\end{cases}

随着 t 增大，更多标记被掩码，序列信息量降低。反向模型被训练为从破坏序列和扩散时间步重建干净序列：

p_θ(x_0 | x_t, t).

标准训练目标最小化掩码位置处干净标记的负对数似然：

L_diff = -E_{t, x_0, x_t} ∑_{j: x_{t,j}=[MASK]} log p_θ(x_{0,j} | x_t, t).

掩码离散扩散非常适合人类移动数据生成，因为移动轨迹自然由分类移动状态组成，如POI、活动类别、空间区域和时间区间。与向坐标或潜在向量添加高斯噪声的连续扩散不同，掩码离散扩散直接在生成轨迹所使用的符号空间上操作。这使得在保持人类移动轨迹离散语义结构的同时，能够对破坏的活动事件标记进行去噪。

## 3. 方法

参见图注图1。MobiDiff 概览。模型首先将每条人类移动轨迹转换为变长多通道语义事件序列。然后学习一个掩码离散扩散过程，从轨迹上下文中重建被破坏的空间、语义和时间通道。

MobiDiff 是一个面向语义人类移动数据生成的端到端掩码离散扩散框架。如图1所示，该框架首先将每条人类移动轨迹标记化为一个多通道语义骨架。然后应用结构化掩码扩散来破坏不同粒度的事件通道。一个数值感知的双向去噪器从轨迹上下文中重建被掩码的通道。最后，反向采样器从一个被掩码的骨架画布开始，迭代地揭示高置信度的事件标记。以下小节描述了骨架表示、前向掩码过程、去噪器、训练目标和反向采样过程。

### 3.1. 多通道语义骨架

给定一条人类移动轨迹 T = [e_1, ..., e_L]，我们将其转换为一个骨架序列 S_0 = [s_1, ..., s_L]。每个骨架事件表示为

s_i = (z_i^M, z_i^m, z_i^c, z_i^a, z_i^g),