본 논문은 모바일 기기와 데이터 수집 기술의 확산으로 인해 기하급수적으로 증가하는 궤적 데이터의 효율적이고 정확한 검색에 대한 어려움을 해결하기 위해 OmniTraj 프레임워크를 제안합니다. 기존의 궤적 검색 방법들이 대규모 데이터에서의 비효율성, 조건 기반 질의에 대한 지원 부족, 궤적 유사성 측정에 대한 의존성과 같은 한계를 갖는다는 점을 지적하며, OmniTraj는 원시 궤적, 토폴로지, 도로 구간, 지역 등 네 가지 모달리티(의미)를 통합하여 일반화되고 유연한 옴니-시맨틱 궤적 검색을 수행합니다. 각 모달리티에 대한 전용 인코더를 설계하고 공유 표현 공간에 임베딩 및 융합하여 개별 모달리티 또는 조합을 기반으로 정확하고 유연한 질의를 지원합니다. 실제 데이터셋을 이용한 실험을 통해 대규모 데이터 처리, 유연한 다중 모달리티 질의, 다운스트림 작업 및 응용 프로그램 지원에서 OmniTraj의 효과를 입증합니다.
