Naukowcy opracowali MR-Traj, nowy model dyfuzji do generowania syntetycznych trajektorii przemieszczeń w miastach, który modeluje ścieżki na wielu poziomach szczegółowości - od grubych kamieni milowych do drobnych segmentów ruchu. Problem, który rozwiązuje, jest realny: choć dane o mobilności ludzi są niezbędne dla zarządzania ruchem, kontroli epidemii i planowania miast, duże zbiory rzeczywistych trajektorii pozostają niedostępne z powodów ochrony prywatności. Istniejące metody generowania syntetycznych danych skupiają się głównie na pasowaniu globalnych rozkładów, ignorując ważne dla praktyki wzorce mobilności na różnych skalach czasowych i przestrzennych.
Model MR-Traj wykorzystuje wielorozdzielczościową architekturę dyfuzji, która jawnie reprezentuje trajektorie jako złożenia punktów orientacyjnych (coarse-grained) i szczegółowych segmentów (fine-grained). To podejście pozwala mu lepiej capturować złożone zależności czasowo-przestrzenne oraz wiernie odtwarzać charakterystyczne dla danego miasta wzorce mobilności. Eksperymenty pokazują, że MR-Traj osiąga porównywalne wyniki jak najlepsze konkurencyjne metody w zakresie podobieństwa rozkładów globalnych, ale konsekwentnie je przewyższa przy modelowaniu mobilności na poziomie szczegółów i w wspieraniu praktycznych zadań analizy ruchu miejskiego.
Dodatkową zaletą jest zwiększona różnorodność generowanych trajektorii dzięki wprowadzeniu stochastyczności na wielu poziomach rozdzielczości. To zmniejsza ryzyko de-anonimizacji danych nawet w scenariuszach, gdy niektóre trajektorie selekcjonowane dla publikacji są znane atakującemu. Kod modelu został udostępniony na Githubie, co otwiera możliwości dla badaczy pracujących nad mobilnością urbańską i bezpieczeństwem danych lokalizacyjnych.