CityTrajBench: 도시 규모 차량 궤적 생성을 위한 통합 벤치마크

도시 궤적 생성 (Urban trajectory generation)은 교통 시뮬레이션 (transportation simulation), 도시 계획 (urban planning), 그리고 모빌리티 분석 (mobility analytics)을 위한 근본적인 과제입니다. 그러나 기존 연구들이 서로 다른 데이터셋, 전처리 파이프라인 (preprocessing pipelines), 궤적 표현 (trajectory representations), 그리고 평가 지표 (evaluation metrics)에 의존하는 경우가 많기 때문에, 궤적 생성 방법론 간의 체계적인 비교는 여전히 어렵습니다. 이러한 파편화는 보고된 성능 차이가 생성 메커니즘 자체에서 기인한 것인지, 아니면 일관되지 않은 실험 프로토콜 (experimental protocols)에서 기인한 것인지 불분명하게 만듭니다. 이 문제를 해결하기 위해, 우리는 도시 규모 차량 궤적 생성을 위한 통합 벤치마크 프레임워크 및 프로토콜인 CityTrajBench를 제시합니다. CityTrajBench는 공통된 설정 하에 데이터 수집 (data ingestion), 궤적 정규화 (trajectory normalization), 특징 구축 (feature construction), 모델 적응 (model adaptation), 지도 인식 후처리 (map-aware post-processing), 모델 선택 (model selection), 그리고 다단계 평가 (multi-level evaluation)를 표준화합니다. 이는 통계적 베이스라인 (statistical baselines), VAE 기반 (VAE-based), GAN 기반 (GAN-based), 확산 기반 (diffusion-based), 그리고 흐름 매칭 기반 (flow-matching-based) 모델을 포함한 이기종 생성기 (heterogeneous generators)를 지원하며, 세 가지 실제 도시 궤적 데이터셋에서 이들을 평가합니다. 이 벤치마크는 전역적 공간 실재성 (global spatial realism), 여정 수준의 분포 충실도 (trip-level distribution fidelity), 궤적 수준의 기하학적 유사성 (trajectory-level geometric similarity), 조건부 모빌리티 일관성 (conditional mobility consistency), 그리고 효율성 (efficiency)을 측정합니다. 실험 결과, 모델군 간의 명확한 트레이드오프 (trade-offs)가 드러났습니다: DiffTraj는 궤적 수준의 기하학적 충실도에서 가장 강력하며, DiffRNTraj는 구조에 민감한 전역적 실재성에서 경쟁력이 있고, TrajFlow는 실재성, 품질, 조건부 일관성, 그리고 효율성 전반에 걸쳐 강력한 균형을 제공합니다. 한편, 단순한 마르코프 (Markov) 베이스라인은 거친 입도의 여정 및 국소적 움직임 통계 (coarse-grained trip and local-movement statistics)에서 여전히 경쟁력을 유지합니다. 이러한 발견은 도시 궤적 생성 품질이 본질적으로 다목적적 (multi-objective)이며, 단일 모델이 모든 기준을 동일하게 지배할 수 없음을 보여줍니다. 또한 CityTrajBench가 도시 모빌리티 생성에 관한 향후 연구를 위한 재현 가능한 벤치마크 프로토콜과 테스트베드 (testbed)를 제공함을 입증합니다.