ユーティリティとプライバシーを改善するためのRNNによる現実的母集団のための合成モビリティデータの生成【JST・京大機械翻訳】

Berke Alex; Doorley Ronan; Larson Kent; Moro Esteban

プレプリント

J-GLOBAL ID：202202210855378611 整理番号：22P0023376

ユーティリティとプライバシーを改善するためのRNNによる現実的母集団のための合成モビリティデータの生成【JST・京大機械翻訳】

Generating synthetic mobility data for a realistic population with RNNs to improve utility and privacy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月04日プレプリントサーバーでの情報更新日： 2022年01月04日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

モバイル機器から収集された位置データは,個人および社会的レベルでの移動性挙動を表す。これらのデータは輸送計画から流行モデリングまでの重要な応用を持つ。しかし,これらの使用事例を最大限に果たすためには,この問題を克服すべきであり,そのデータは,しばしば,人口の限られたサンプルと,プライバシーを危うくするデータの使用を代表している。これらの問題に取り組むために,実際の位置データで訓練された深いリカレントニューラルネットワーク(RNN)を用いて,合成移動度データを生成するシステムを提示し,評価した。システムは,入力として母集団分布をとり,対応する合成母集団の移動性トレースを生成する。関連する生成アプローチは,より長い期間にわたって個人の移動性行動におけるパターンと変動性の両方を捕捉する課題を解決せず,一方,プライバシーとの現実的なデータの生成のバランスをとる。このシステムは,訓練データからパターンを保持しながら,複雑で新しいシーケンスを生成するRNNの能力を利用する。また,このモデルは,個々のレベルで合成データと実データ間の変動を較正するために使用されるランダム性を導入する。これは,人間の移動性の変動性を捉え,ユーザプライバシーを保護することである。22,700以上のモバイルデバイスからの位置ベースサービス(LBS)データを,ユーティリティとプライバシー計量を横断して実験評価に用いた。生成された移動度データは実際のデータの特徴を保持し,一方,個々のレベルで実際のデータから変化し,この量の変動が実際のデータ内の変動と一致することを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , 【Automatic Indexing@JST】

環境の汚染及び防止 , 個生態学 , 交通調査 , 都市計画一般,都市経済学 , 電子航法一般

, , , ,

前のページに戻る