본 논문은 고차원 공간 데이터를 활용한 도시 예측을 위한 새로운 통합 프레임워크를 제안합니다. 기존의 그래프 기반 방법과 지역 기반 방법의 한계를 극복하기 위해, 도시 지역 표현 모듈, 작업 관련 의존성 검색 모듈, 예측 모듈(GeoTransformer)의 세 가지 주요 구성 요소로 이루어진 프레임워크를 제시합니다. 도시 지역 표현 모듈은 각 지역에 대한 잠재적 임베딩과 의미적 설명을 구성하고, 작업 관련 의존성 검색 모듈은 자연어 프롬프트를 기반으로 관련 컨텍스트 지역을 선택합니다. GeoTransformer는 공간 근접성과 정보 엔트로피를 사전 정보로 활용하는 새로운 지리 공간 어텐션 메커니즘을 채택합니다. 이 프레임워크는 모듈식으로 설계되어 다양한 표현 방법과 예측 모델을 지원하며, 최소한의 입력으로도 작동할 수 있습니다. 6가지 도시 예측 작업에 대한 정량적 실험과 질적 분석을 통해 강력한 작업 일반화 및 프레임워크의 효과를 검증했습니다.
