ST-MoE-BERT: 장기적 도시 간 이동 예측을 위한 공간-시간 혼합 전문가 프레임워크

다수의 도시를 아우르는 인간 이동성 예측은 다양한 도시 환경이 지닌 복잡하고 다층적인 공간-시간 동역학 때문에 큰 도전 과제를 안고 있다. 본 연구에서는 인간 이동 패턴을 예측하기 위한 강력한 접근 방식인 ST-MoE-BERT를 제안한다. 기존의 방법들과 비교하여, 본 연구는 예측 작업을 공간-시간 분류 문제로 재정의한다. 제안하는 방법론은 Mixture-of-Experts 아키텍처와 BERT 모델을 통합함으로써 복잡한 이동 동역학을 효과적으로 포착하고, 하류의 인간 이동성 예측 작업을 수행한다. 또한, 도시 간 예측에서 발생하는 데이터 부족 문제를 해결하기 위해 전이 학습(transfer learning) 기법을 도입하였다. 제안된 모델의 유효성을 GEO-BLEU 및 DTW 지표를 기반으로 여러 최첨단 기법들과 비교하여 검증하였으며, 특히 ST-MoE-BERT는 평균 8.29%의 성능 향상을 달성하였다.