본 논문은 다양한 데이터 소스를 통합하는 기존 접근 방식의 한계를 극복하기 위해, 범용적인 인간 이동 패턴을 위한 기반 모델 프레임워크를 제시한다. 지리, 이동성, 사회 인구 통계 및 교통 정보를 포함한 다양한 특성과 시공간적 해상도를 가진 다중 모드 데이터를 통합하여 개인정보보호가 유지되고 의미적으로 풍부한 인간 이동 경로 데이터 세트를 구성한다. 도메인 전이 기술을 통해 LA와 이집트 사례 연구에서 입증된 바와 같이 다양한 도시 환경에서 전이 가능성을 보장한다. LLM을 사용하여 이동 경로 데이터를 의미적으로 풍부하게 하여 이동 패턴에 대한 포괄적인 이해를 가능하게 한다. 생성된 합성 데이터 세트가 실증 데이터에서 관찰된 이동 패턴을 정확하게 재현한다는 것을 정량적 평가를 통해 보여주며, LA 카운티의 대규모 교통 시뮬레이션을 통해 실용성을 입증한다. 캘리포니아 I-405 구간에서 교통량은 5.85%, 속도는 4.36%의 평균 절대 백분율 오차를 보이며, 지능형 교통 시스템 및 도시 이동성 응용 분야에 대한 프레임워크의 잠재력을 보여준다.
