본 논문은 도시 계획 및 교통 관리에 필수적인 인간 이동성 모델링을 위해 다양한 데이터 소스를 통합하는 새로운 프레임워크를 제시합니다. 지리, 이동성, 사회 인구 통계 및 교통 정보 등 다양한 특성과 시공간적 해상도를 가진 다중 모드 데이터를 통합하여 개인 정보를 보호하면서 의미론적으로 풍부한 인간 이동 경로 데이터셋을 생성합니다. 로스앤젤레스와 이집트 두 지역을 대상으로 한 사례 연구를 통해 도메인 적응 알고리즘을 활용하여 다양한 도시 환경에서의 전달 가능성을 보여줍니다. 합성 데이터셋은 실제 데이터에서 관찰된 이동 패턴을 정확하게 재현하며, 로스앤젤레스 카운티에 대한 대규모 교통 시뮬레이션 결과는 실제 교통 상황과 잘 일치합니다. 캘리포니아 I-405 구간의 시뮬레이션 결과는 교통량에 대해 5.85%의 평균 절대 백분율 오차, 속도에 대해 4.36%의 평균 절대 백분율 오차를 보이며 Caltrans PeMS 관측치와 잘 일치합니다.
