研究人员开发了一种新颖的两阶段生成框架，用于为基于活动的出行需求模型创建逼真的合成人口。第一阶段使用具有梯度惩罚的正则化 Wasserstein GAN (WGAN-GP) 来提高静态社会人口属性的可行性、多样性和新颖性。第二阶段采用 Transformer 和 LSTM-Attention 模型，根据合成的表格数据生成序列出行行为，例如行程链。这种方法增强了对有效未见属性组合的恢复能力，并提高了模型的整体性能。 AI
影响 增强了交通建模中合成数据的真实性和实用性，可能改进城市规划和政策决策。
排序理由 详细介绍用于合成人口生成的新型生成框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CLAP
- integrated graphics processor
- Low Dynamic Range
- LSTM-Attention
- Transformer
- Wasserstein GAN
- WGAN-GP
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
