GenAI and Energy流动和运输管理[^1]交通数据增强数据增强是指通过添加对现有数据进行稍加修改的副本或从现有数据中添加新创建的合成数据来增加数据量的技术（Lemley 等人， 2017 年）。 GAN 和 VAE 因其能够生成高质量的合成数据而成为智慧城市数据增强应用中的普遍选择。然而，以去噪和数据增强优势而闻名的生成扩散模型主要用于医学研究而不是城市科学。这表明这些模型在城市应用中有一个潜在的未开发领域，它们独特的能力可以为复杂的城市挑战提供新颖的解决方案。许多先前的研究已经应用 GenAI 模型来增强交通数据。 周等人（2021）引入了轨迹生成对抗网络（TGAN）来解决识别和链接人类移动模式的挑战，特别是在基于位置的社交网络（LBSN）中。这种方法有效地克服了轨迹数据中数据稀疏性和标签分布不平衡的问题，与现有方法相比，TUL 的准确性更高。在这种背景下，使用 GAN 进行数据增强标志着人类移动分析的重大进步，为城市规划和个性化服务等各种应用提供了有希望的意义。 Jilani 等人（2022）提出了一种使用 GAN 进行数据增强的交通拥堵分析的创新方法。该研究引入了一 ...