Los datos de movilidad humana de alta calidad son cruciales para aplicaciones como la planificación urbana, la gestión del transporte y la salud pública, sin embargo, su recolección a menudo se ve obstaculizada por preocupaciones de privacidad y escasez de datos, particularmente en regiones menos desarrolladas. Para abordar este desafío, presentamos WorldMove, un conjunto de datos sintético de movilidad a gran escala que cubre más de 1,600 ciudades en 179 países y 6 continentes. Nuestro método aprovecha datos de múltiples fuentes disponibles públicamente, incluyendo la distribución poblacional en cuadrículas, mapas de puntos de interés (POI) y flujos de origen-destino (OD) de los desplazamientos, para generar trayectorias de movilidad realistas a escala de ciudad utilizando un modelo generativo basado en difusión. El proceso de generación involucra definir los límites de la ciudad, recopilar características de entrada de múltiples fuentes y simular movimientos a nivel individual que reflejan un comportamiento de movilidad diaria plausible. Una validación exhaustiva demuestra que los datos generados se alinean estrechamente con las observaciones del mundo real, tanto en términos de comportamiento de movilidad individual fino como en flujos poblacionales a escala de ciudad. Junto a los conjuntos de datos pre-generados, liberamos el modelo entrenado y un completo pipeline de código abierto, que permite a investigadores y profesionales generar datos sintéticos de movilidad personalizados para cualquier ciudad del mundo. WorldMove no solo llena las brechas críticas de datos, sino que también sienta una base global para la investigación sobre movilidad a gran escala, que preserva la privacidad e inclusiva, empoderando a las regiones con escasez de datos y permitiendo el acceso universal a información sobre movilidad humana.
Yuan et al. (Fri,) estudiaron esta cuestión.