TrajDLM：用于轨迹生成的拓扑感知块扩散语言模型

生成高保真合成 GPS 轨迹对于交通、城市规划和假设场景模拟等应用越来越重要，尤其是在隐私问题限制了对现实世界移动数据的访问的情况下。现有的轨迹生成模型面临效率和 忠实性 与道路网络拓扑之间的权衡：连续空间方法可以实现快速生成，但忽略道路网络，而拓扑感知方法依赖于基于搜索的自回归解码，限制了生成速度。我们提出了 TrajDLM，这是一种基于块扩散语言模型的拓扑感知轨迹生成框架，可以弥补这一差距。 TrajDLM 将轨迹建模为离散路段序列，结合用于高效去噪的块扩散主干、来自道路网络编码器的拓扑感知嵌入以及拓扑约束采样以确保连贯且真实的轨迹。在三个城市规模的数据集上，TrajDLM 在细粒度的局部相似性指标上实现了强大的性能，同时比之前的工作快了 2.8 美元\倍$，并展示了强大的跨域零样本传输，包括不可见的交通模式。这些结果凸显了分块离散扩散作为一种可扩展的方法来准确、高效地生成轨迹的有效性。我们的代码位于 https://github.com/cruiseresearchgroup/TrajDLM/