加我获取每套课程详细介绍加我咨询和报名课程 引用格式：刘康.人类移动数据生成方法：研究进展与趋势探讨[J].地球信息科学学报,2024,26. [ Liu K. Approaches for human mobility data generation: Research progress and trends[J]. Journal of Geo-information Science, 2024,26. ] DOI:10.12082/dqxxkx.2024.230488 引言人类移动数据对交通规划与拥堵治理、传染病传播预测与防控模拟、犯罪风险评估、人群聚集预警与疏散等诸多应用具有重要意义。尽管现代ICT发展使得采集大规模个体移动定位数据成为易事，但涉及个人隐私又存在冗余、缺失和噪声的原始轨迹数据在实际中的可得性和易用性仍有很大局限。此外，仅依赖历史数据也难以对观测范围外的实时突发场景进行模拟和假设分析。通过建模方式生成个体轨迹数据和群体移动数据，使其在统计层面接近并在应用层面可替代真实数据，是值得尝试的解决思路。本文面向个体轨迹数据生成和群体移动数据生成两大研究主题，将生成方法分为机理模型和机器学习两类，对其研究进展进行了系统梳理，并探讨了其发展趋势和所面临的挑战。本文提出，未来人类移动数据生成研究需要多学科交叉共同探索人类移动行为底层机制、关注机理模型与机器学习耦合建模、借助生成式人工智能与大语言模型前沿技术、平衡生成数据可用性与隐私保护效果、强调空间泛化与迁移学习能力、控制模型训练与使用成本等。本文认为，人类移动过程是典型的人地交互过程，地理信息科学应与计算机科学、统计物理学、复杂性科学等学科的理论方法进行深度融合，在人类移动行为建模与数据生成研究领域中发挥本学科特色并占据一席之地。这一过程也有利于反向促进地理信息科学与地理空间人工智能（GeoAI）的发展。 刘康
规划问道
