论文解读-生成移动轨迹并且保存数据效用

这篇论文提出了一个使用GAN和Seq2Seq模型联合的方法来生成轨迹。同时，将生成的轨迹应用到实际的例子中，一个是路网更新，另一个是起始-目的地需求评估。

一、模型结构

模型分为三个部分，一个部分是使用DCGAN来生成位置信息；第二个部分是使用Seq2Seq模型来生成顺序信息；另一个部分是使用ANN来生成时间信息。

1.1 位置分布学习

使用DCGAN来生成新的位置。
作者使用一个2D的图像来表示位置分布。将地图划分为若干个方格，每个方格代表一个区域，其坐标表示为右上角点的坐标。
使用位置图像训练DCGAN以生成新的位置图像，然后使用Harris角点检测算法来检测位置。

1.2 顺序信息学习

作者使用地图匹配算法将位置匹配至最近的路段，这些路段有自己独特的ID编号。

训练Seq2Seq模型：
模型的输入为默认顺序的id（文中为递增），目标为实际旅行模式顺序的id。生成的时候，输入为DCGAN得到的位置，输出为最有可能的顺序序列。