도시 시스템에서 사람들의 이동성(human mobility)을 이해하는 것은 교통 관리, 전염병 통제, 도시 계획 등 광범위한 분야에 필수적입니다. 그러나 개인 정보 보호 문제로 인해 대규모 공개 이동 궤적(trajectory) 데이터 확보가 어려워, 이동성 분석에 큰 제약이 있었습니다. 기존의 합성 궤적 생성 방식들은 전반적인 분포 유사성에만 초점을 맞춰, 실제 활용에 중요한 다양한 시공간 해상도(spatial and temporal resolutions)의 이동 패턴을 간과하는 한계가 있었습니다.
이러한 문제를 해결하기 위해, 최근 연구진은 다중 해상도 확산 프레임워크인 'MR-Traj'를 제안했습니다. MR-Traj는 궤적을 거친 수준의 주요 지점(coarse-grained milestones)과 세밀한 수준의 구간(fine-grained segments)의 조합으로 명시적으로 모델링하여, 여러 해상도에서 복잡한 시공간 의존성을 포착할 수 있도록 합니다. 실험 결과, MR-Traj는 전반적인 분포 유사성 측면에서 최신 기술과 동등한 성능을 보이면서도, 세밀한 해상도의 이동 패턴 모델링 및 하위 도시 이동성 작업 지원에서 일관되게 우수한 성능을 나타냈습니다. 또한, 여러 해상도 수준에서 확률성(stochasticity)을 도입하여 더 다양하고 현실적인 궤적을 생성하며, 이는 특정 시드(seed) 기반 데이터 공개 설정에서 궤적 연결 위험을 줄이는 데 기여합니다.
MR-Traj는 도시 이동성 분석의 정확도를 높여 교통 체증 완화, 대중교통 노선 최적화, 도시 인프라 계획 수립 등 다양한 도시 문제 해결에 기여할 수 있습니다. 특히, 개인 정보 보호를 준수하면서도 실제와 유사한 대규모 합성 데이터를 생성할 수 있다는 점에서, 데이터 부족으로 어려움을 겪던 연구 및 개발 분야에 새로운 가능성을 열어줄 것으로 기대됩니다. 이는 스마트 시티(Smart City) 구현을 위한 핵심 기술로 자리매김할 잠재력을 가지고 있습니다.