人間の移動軌跡データは、都市計画、交通工学、公衆衛生の分野において極めて重要である。しかし、現実世界の軌跡データを直接利用する際には、プライバシーの懸念、データ収集コスト、データ品質といった課題に直面する場合が多い。こうした課題に対する実用的な解決策として、人間の移動行動を模擬するための軌跡生成手法が開発されている。従来の軌跡生成手法は、個々の移動パターンの捉え方に主眼を置いているが、人口分布が軌跡生成に与える影響を無視しがちである。現実には、動的な人口分布は各地域における人口密度の変化を反映しており、個々の移動行動に顕著な影響を及ぼす。したがって、本研究では、動的人口分布の制約を統合することで、高忠実度の軌跡生成を導く、拡散モデルに基づく新しい軌跡生成フレームワークを提案する。具体的には、軌跡の空間相関を強化するための空間グラフを構築し、人間の移動行動の時空間的依存性および人口分布の影響を、ノイズ除去プロセス中に捉えるための動的人口分布を意識したノイズ除去ネットワークを設計した。広範な実験の結果、本モデルによって生成された軌跡は、いくつかの重要な統計指標において現実の軌跡と類似しており、最先端のアルゴリズムを54%以上上回る性能を示した。