传统的Popsyn方法,例如迭代比例拟合(IPF)(例如(Beckman等人)1996; Ye等。 2009))和贝叶斯网络(例如(Ilahi和Axhausen 2019; Sun and Erath 2015),试图将合成种群与两个数据源相结合,但遭受了几种限制。> IPF,例如,在尺寸和零电池问题的诅咒中挣扎,其中属性的某些组合在示例数据中完全缺少。 贝叶斯网络虽然更灵活,但可以产生难以置信的组合,这些组合不能准确地代表现实世界,并且不能与边际数据匹配(Rahman and Fatmi 2023)。 这些缺点强调了需要更强大的方法,该方法可以更好地整合多种数据源并保持现实的人口特征。1996; Ye等。2009))和贝叶斯网络(例如(Ilahi和Axhausen 2019; Sun and Erath 2015),试图将合成种群与两个数据源相结合,但遭受了几种限制。>2009))和贝叶斯网络(例如(Ilahi和Axhausen 2019; Sun and Erath 2015),试图将合成种群与两个数据源相结合,但遭受了几种限制。IPF,例如,在尺寸和零电池问题的诅咒中挣扎,其中属性的某些组合在示例数据中完全缺少。贝叶斯网络虽然更灵活,但可以产生难以置信的组合,这些组合不能准确地代表现实世界,并且不能与边际数据匹配(Rahman and Fatmi 2023)。这些缺点强调了需要更强大的方法,该方法可以更好地整合多种数据源并保持现实的人口特征。