본 논문은 개인 이동 패턴의 중장기 예측 모델인 MSTDP(Multi-scale Spatial-Temporal Decoupled Predictor)를 제안합니다. 기존 연구들이 주로 다음 위치 예측에 집중한 것과 달리, 교통 관리나 전염병 관리 등 장기간 예측이 필요한 응용 분야를 고려하여 하루 또는 일주일 단위의 이동 경로를 예측하는 것을 목표로 합니다. MSTDP는 일일 이동 경로를 위치-지속 시간 체인으로 분리하여 공간 및 시간 정보를 효율적으로 추출합니다. 계층적 인코더를 사용하여 일일 반복 및 주간 주기성과 같은 다중 스케일 시간 패턴을 모델링하고, 트랜스포머 기반 디코더를 사용하여 위치 또는 지속 시간 체인에서 예측 정보에 전역적으로 주의를 기울입니다. 또한 다중 스케일 공간 관계를 포착하기 위해 공간 이종 그래프 학습기를 도입하여 의미가 풍부한 표현을 향상시킵니다. 보스턴, 로스앤젤레스, 샌프란시스코 베이 지역, 상하이, 도쿄 5개 도시의 대규모 휴대폰 기록에 대한 광범위한 실험을 통해 MSTDP의 장점을 보여주며, 보스턴의 전염병 모델링에 적용하여 기존 최고 성능 기준 모델보다 누적 신규 확진자 수의 MAE를 62.8%나 감소시키는 놀라운 성과를 달성했습니다.
