Menschliche Trajektoriendaten sind von entscheidender Bedeutung für die Stadtplanung, Verkehrsingenieurwesen und öffentliche Gesundheit. Die direkte Nutzung realer Trajektoriendaten stößt jedoch häufig auf Herausforderungen wie Datenschutzbedenken, hohe Kosten der Datenerhebung und mangelhafte Datenqualität. Eine praktikable Lösung für diese Probleme ist die Trajektoriengenerierung, ein Verfahren, das entwickelt wurde, um menschliches Mobilitätsverhalten zu simulieren. Bisherige Ansätze zur Trajektoriengenerierung konzentrieren sich hauptsächlich auf die Abbildung individueller Bewegungsmuster, berücksichtigen jedoch oft nicht den Einfluss der Bevölkerungsverteilung auf die Trajektoriengenerierung. In der Realität spiegelt die dynamische Bevölkerungsverteilung Veränderungen der Bevölkerungsdichte in verschiedenen Regionen wider und beeinflusst das individuelle Mobilitätsverhalten erheblich. Daher schlagen wir einen neuartigen Framework zur Trajektoriengenerierung basierend auf einem Diffusionsmodell vor, der dynamische Bevölkerungsverteilungsbedingungen integriert, um qualitativ hochwertige, realitätsnahe Ergebnisse zu erzielen. Konkret bauen wir einen räumlichen Graphen auf, um die räumliche Korrelation der Trajektorien zu stärken. Anschließend entwerfen wir ein bevölkerungsverteilungs-agnostisches Rauschunterdrückungsnetzwerk, das sowohl die räumlich-zeitlichen Abhängigkeiten menschlichen Mobilitätsverhaltens als auch den Einfluss der Bevölkerungsverteilung im Rauschunterdrückungsprozess erfassen kann. Umfangreiche Experimente zeigen, dass die von unserem Modell generierten Trajektorien in Bezug auf wichtige statistische Kenngrößen den realen Trajektorien nahekommen und die bestehenden State-of-the-Art-Algorithmen um über 54 % übertrifft.