11、CondTraj - GAN：生成合成车辆轨迹

CondTraj - GAN：生成合成车辆轨迹

在交通数据分析和城市规划等领域，合成车辆轨迹数据的生成具有重要意义。它可以在保护真实数据隐私的同时，为各种应用提供足够的数据支持。本文将介绍一种名为 CondTraj - GAN 的框架，用于生成符合真实轨迹空间分布的合成车辆轨迹。

1. 基本概念

• 道路网络 ：道路网络可以表示为一个无向图 $G = (E, V)$，其中 $E$ 是边的集合，可看作街道段；$V$ 是节点的集合，可看作街道段之间的交汇处。此外，还有一个特殊的起始节点 $\nu_b$，它有 ID 但无位置信息，且与所有其他节点相连。
• 轨迹定义 ：轨迹 $\tau_{0:T} = (\nu_0, \nu_1, …, \nu_T)$ 是节点的序列，其中 $\nu_t$ 是在时间步 $t$ 经过的节点。
• 轨迹生成目标 ：给定一个真实世界的轨迹数据集 $T^r$ 及其潜在的空间分布 $p$，学习一个近似函数 $\hat{p}$，使得从 $\hat{p}$ 中抽取的合成轨迹 $\tau^s$ 满足：
  • $\tau^s$ 仅包含相邻节点的序列。
  • $\tau^s$ 体现源数据集提供的空间特征。

2. CondTraj - GAN 框架

CondTraj - GAN 基于生成对抗网络（GAN）的架构，由随机生成器函数 $G_{\theta}$ 和判别器函数 $D_{\varphi}$ 组成。为了更好地匹