基于大语言模型驱动行为与运动学约束的出行异常生成

背景

在空间数据挖掘领域，对人类轨迹异常（Human Trajectory Anomalies）的研究至关重要。然而，当前的实证研究面临着严重的阻碍，其核心痛点在于缺乏带有真实标签（Ground-truth）的数据集。

尽管目前存在多种真实世界和模拟的人类轨迹数据集，但这些数据仅捕捉了正常的出行模式，完全缺乏对异常行为的标注。这种稀缺性源于异常事件在统计学上的固有罕见性，使得传统的观测方法难以获取足够样本。此外，大规模出行数据的系统性获取还受到高昂成本和严格隐私法规的双重瓶颈限制。

为了解决这一根本性局限，建立带有标注真实标签的人类轨迹异常数据集，研究人员提出了一种新颖的端到端生成框架，旨在大规模合成逼真的轨迹异常数据。

核心内容

该研究提出了一种名为“基于大语言模型驱动行为与运动学约束的出行异常生成”的框架。该架构通过直接在基线模拟轨迹上操作，弥合了纯合成移动数据与复杂现实世界物理约束之间的差距。其核心工作流程包含以下三个关键步骤：

1. 基于 LLM Agent 的行为异常注入

系统利用大语言模型（LLM）智能体（Agents）来系统地注入具有语义意义的行为异常。这些异常包括：

• 不规则的非分布内签到（Irregular out-of-distribution check-ins）： 模拟用户出现在其常规活动范围之外或不符合其历史行为模式的地点。
• 跳过常规访问（Skipped routine visits）： 模拟用户突然中断或跳过其日常例行访问的地点。

2. 地图约束的路由重构以确保空间有效性

为了防止生成的轨迹在物理上不可行，系统采用地图约束的路由重构（Map-constrained routing reconstruction）技术。该技术负责重新计算由 LLM 智能体修改后的停留点（Staypoints）之间的物理过渡路径。这一步骤确保了生成的轨迹符合实际的道路网络结构和运动学约束，避免了“瞬移”或不可能的移动方式。

3. 上下文感知的空间噪声模型以缩小仿真与现实差距

为了进一步缩小模拟数据与现实世界数据之间的差距，系统对生成的轨迹进行了增强。通过引入一个上下文感知的空间噪声模型，该模型由环境和位置特定的变量参数化，能够准确地模拟异构 GPS 传感器的退化现象（如信号漂移、精度降低等）。这使得合成的轨迹数据在噪声特征上更接近真实的 GPS 采集数据。

关键要点

• 解决数据稀缺痛点：针对异常事件统计罕见、隐私限制严格导致真实异常轨迹数据匮乏的问题，提供了一种生成式解决方案。
• LLM 驱动语义异常：利用 LLM 的智能理解能力，生成具有语义逻辑的行为异常（如异常签到、跳过常规行程），而非随机生成无意义的噪声点。
• 运动学约束保障真实性：通过地图约束的路由重构，确保生成的轨迹在物理上是可行的，符合实际道路网络和人类运动规律。
• 模拟真实 GPS 噪声：引入基于环境和位置变量的空间噪声模型，模拟 GPS 传感器的异构退化，使合成数据更贴近真实世界的观测数据。
• 端到端生成框架：从基线模拟轨迹出发，经过行为注入、路径重构到噪声增强，形成完整的异常数据生成流水线。

意义与影响

这项研究对于推进空间数据挖掘和轨迹分析领域具有重要的理论和应用价值：

1. 填补数据集空白：首次系统地解决了缺乏带标签异常轨迹数据集的问题，为训练和评估异常检测算法提供了必要的 Ground-truth 数据。
2. 提升模型泛化能力：通过模拟真实的 GPS 噪声和物理约束，生成的合成数据能够更好地帮助机器学习模型学习鲁棒的异常检测特征，减少过拟合风险。
3. 隐私保护下的数据生成：在严格隐私法规背景下，提供了一种无需收集真实敏感个人数据即可生成高质量训练数据的方法，符合数据合规要求。
4. 推动异常检测技术发展：为研究人类行为异常、欺诈检测、安全监控等应用场景提供了新的数据生成范式，有助于开发更精准、更可靠的异常检测系统。