본 논문은 기존의 흐름 네트워크나 공동 위치 행렬과 같은 모빌리티 모델이 개별 위치 간의 쌍방향 상호작용만을 고려하고 다중 위치 간의 고차원적 관계를 간과하는 문제를 해결하기 위해, 시간적 관찰 창을 활용하여 개별 이동 경로 데이터에서 위치 간의 그룹 상호작용을 추출하는 공동 방문 초그래프(co-visitation hypergraphs) 모델을 제안한다. 빈번 패턴 마이닝 기법을 사용하여 공간 및 시간적 척도에 걸쳐 동적인 이동 행동을 포착하는 초그래프를 구성하며, 공개된 모빌리티 데이터셋을 사용하여 도시 규모의 이동 패턴 분석, 극심한 기상 이벤트와 같은 외부 혼란 시 이동 패턴 변화 감지, 위치의 연결성(차수)과 그 안의 관심 지점(POI) 수와의 관계 분석 등에 대한 효과성을 검증한다. 결과적으로, 제안된 초그래프 기반 모빌리티 분석 프레임워크는 공중 보건, 재난 복원력, 도시 계획 등 다양한 분야에 활용 가능성이 높은 유용한 도구임을 보여준다.
