본 논문은 기존의 관심지점(POI) 기반의 제한된 접근 방식의 한계를 극복하고자, 도시 도로 교차로 그래프를 기반으로 하는 도로 중심의 프레임워크를 제시합니다. 이를 통해 사용자의 탐험적 행동이나 목표 없는 행동을 더 잘 포착하고 도시 도로망의 위상적 제약을 고려합니다. 환경적 맥락을 인코딩하기 위해, 거리, 방위, 밀도, 존재 큐를 포착하는 섹터별 방향 POI 집계를 도입합니다. 구조적 그래프 임베딩과 결합하여 의미 기반 노드 표현을 얻고, 연속 시간 망각 셀(CfC-LNN)과 방위 편향 자기 주의 모듈의 하이브리드인 관계 인식 LNN-트랜스포머를 사용하여 미세한 시간 역학과 장거리 공간적 의존성을 모두 포착합니다. 도시 규모의 도로 사용자 이동 경로에 대한 평가 결과, 제안된 모델은 기존 최첨단 모델보다 최대 17% 향상된 정확도(1 hop)와 10% 향상된 MRR을 달성했으며, 노이즈에 대한 높은 안정성을 보였습니다 (50미터 GPS 잡음에서 2.4% 정확도 감소, 25% POI 잡음에서 8.9% 정확도 감소).
