Bo Liu, Tong Li, Jiapeng Zhang, Zhu Xiao, Zhuo Tang, Kenli Li · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28467 · open-access PDF
Menschenmobilitätsdaten sind grundlegend für webbasierte Standortdienste und breitere städtische Anwendungen, und Mobilitätsgenerierung bietet synthetische Bahnen, wenn echte Daten teuer oder unzugänglich sind. Obwohl jüngste Mobilitätsgeneratoren kollektive Mobilitätsmuster einbezogen haben, konzentrieren sie sich hauptsächlich auf individuelle Bahnen und aggregierte Bevölkerungsdynamik, wodurch sich entwickelnde Gemeinschaftsstrukturen, die durch Benutzer-Standort-Interaktionen gebildet werden, unzureichend modelliert werden.
Machine translation (Meta M2M100); the English original follows.
Human mobility data are fundamental to Web-based location services and broader urban applications, and mobility generation provides synthetic trajectories when real data are costly or inaccessible. Although recent mobility generators have incorporated collective mobility patterns, they primarily focus on individual trajectories and aggregate population dynamics, leaving evolving community structures formed by user-location interactions insufficiently modeled. In this paper, we study community-consistent human mobility generation. To this end, we formulate mobility generation as the generation
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28467, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange