人类移动数据生成方法：研究进展与趋势探讨

人类移动行为与交通、传染病、安全应急等现实应用息息相关。尽管现代信息和通信技术发展使得采集大规模个体移动定位数据成为易事，但涉及个人隐私又存在冗余、缺失和噪声的原始轨迹数据在实际中的可得性和易用性仍有很大局限。通过建模方式生成个体轨迹数据和群体移动数据，使其在统计层面接近并在应用层面可替代真实数据，是值得尝试的解决思路。本文面向个体轨迹数据生成和群体移动数据生成两大研究主题，将生成方法分为基于机理模型的方法和基于机器学习的方法，对其研究进展进行了系统总结，并探讨了其发展趋势和所面临的挑战。本文提出，未来人类移动数据生成方法研究需要多学科深度交叉共同探索人类移动行为底层机制、关注机理模型与机器学习耦合建模、借助生成式人工智能与大语言模型前沿技术、平衡生成数据可用性与隐私保护效果、强调空间泛化与迁移学习能力、控制模型训练与使用成本等。本文认为，人类移动过程是典型的人地交互过程，地理信息科学应在吸纳计算机科学、统计物理学、复杂性科学等多学科理论方法的基础上，充分发挥本学科特色，将空间依赖、距离衰减、空间异质性、尺度等地理空间效应显式纳入建模过程，提升模型性能及合理性。