인간의 이동 경로 데이터는 도시 계획, 교통 공학, 공중보건 분야에서 매우 중요한 역할을 한다. 그러나 현실 세계의 이동 경로 데이터를 직접 활용할 경우, 개인정보 보호 문제, 데이터 수집 비용, 데이터 품질 등의 도전 과제에 직면하게 된다. 이러한 문제들을 해결하기 위한 실용적인 방법으로 이동 경로 생성 기법이 개발되었으며, 이는 인간의 이동 행동을 시뮬레이션하는 데 목적이 있다. 기존의 이동 경로 생성 기법은 주로 개인의 이동 패턴을 정확히 포착하는 데 초점을 두고 있으나, 인구 분포가 경로 생성에 미치는 영향을 간과하는 경향이 있다. 실질적으로 인구 분포의 동적 변화는 지역별 인구 밀도의 변화를 반영하며, 이는 개인의 이동 행동에 중대한 영향을 미친다. 따라서 본 연구에서는 동적 인구 분포 제약 조건을 통합하여 고정밀도의 이동 경로 생성을 유도하는 확산 모델 기반의 새로운 이동 경로 생성 프레임워크를 제안한다. 구체적으로, 경로 간 공간 상관관계를 강화하기 위해 공간 그래프를 구축하였으며, 시간과 공간의 상관관계를 포착하고 인구 분포의 영향을 반영하기 위해 동적 인구 분포 인지(noise-aware) 디노이징 네트워크를 설계하였다. 광범위한 실험 결과를 통해 제안된 모델이 생성한 이동 경로가 주요 통계적 지표 측면에서 실제 경로와 유사함을 확인하였으며, 최신 기술 대비 54% 이상의 성능 향상을 달성하였다.