都市の構造とセマンティクスを融合する：都市間OD行列生成のための条件付き拡散モデル

Abstract

通勤流の正確なモデリングは、都市ガバナンス、交通計画、資源配分にとって重要である。しかしながら、個々の意図、地理的制約、そして社会的ダイナミクスが複合的に影響し合うことで、通勤パターンには大きな異質性が生じ、都市間で汎化できる生成モデルの開発が難しくなっている。この問題に対処するために、本研究では、属性付きノードに条件付けられた Structure-Enhanced Diffusion モデルである SEDAN を提案し、汎化可能な OD マトリクス生成を実現する。SEDAN は都市を属性付きグラフとしてモデル化する。各地域は人口統計と観光・関心地点（point-of-interest）の特徴を持つノードとして扱われ、通勤流は重み付きエッジとしてモデル化される。隣接行列と距離行列を組み込み、空間構造を特徴付ける。こうした表現に基づいて、SEDAN 内で融合機構を設計し、意味情報と空間情報を共同でモデル化する。地域の意味的属性は、グラフ・トランスフォーマーに基づくノード間相互作用を通じて潜在的な移動需要をモデル化する一方で、空間構造は明示的な制約として生成プロセスに注入される。隣接行列は注意重みを導き、近隣地域間の相互作用を強化する。さらに、距離行列は拡散の条件として機能し、空間的な近接性と移動の負担（travel impedance）を捉える。都市の意味論と空間的制約の融合により、SEDAN は行動的に妥当であり、かつ地理的に整合的な OD マトリクスを生成できる。米国の都市における実世界の OD データセットでの実験では、SEDAN が最先端ベースラインである WEDAN に対して RMSE を 7.38 ext{%} 改善することが示された。また、異質な都市シナリオや構造パターンの変化に対しても堅牢性が維持される。本研究は、通勤 OD マトリクス生成のための効果的で汎化可能な解決策を提供する。コードは https://anonymous.4open.science/r/SEDAN で利用可能である。