버스 정보를 활용한 제로샷 경로 생성: 작업 산술 기반 접근 방식

Bus-Conditioned Zero-Shot Trajectory Generation via Task Arithmetic

이동 경로 데이터는 스마트 시티 응용 분야에서 필수적인 역할을 합니다. 하지만 이러한 데이터는 종종 획득하기 어렵습니다. 기존의 대부분 경로 생성 방법은 대상 도시의 실제 이동 데이터가 최소한 일부 존재한다는 전제를 가지고 있어, 데이터가 부족한 상황에서는 활용이 제한됩니다. 본 연구에서는 대상 도시의 이동 경로 데이터가 전혀 없는 상태에서 버스 정보를 활용한 제로샷 경로 생성이라는 새로운 문제 설정을 제안합니다. 제안하는 방법은 대상 도시의 이동 패턴을 반영하는 경로를 생성하기 위해, 소스 도시의 이동 데이터와 양 도시의 공개된 버스 시간표만을 활용합니다. 이를 위해, 우리는 작업 산술을 처음으로 경로 생성에 도입하는 MobTA라는 방법을 제안합니다. MobTA는 소스 도시에서 버스 시간표 기반 경로 생성에서 이동 경로 생성으로의 파라미터 변화를 모델링하고, 이 변화를 작업 벡터에 대한 산술 연산을 통해 대상 도시에도 적용합니다. 이를 통해, 대상 도시의 실제 이동 데이터 없이도 대상 도시의 이동 패턴을 반영하는 경로 생성이 가능합니다. 또한, 우리는 MobTA의 안정성을 기반 모델 및 Instruction-Tuned LLM에서 분석했습니다. 광범위한 실험 결과, MobTA는 기존 방법보다 훨씬 우수한 성능을 보이며, 대상 도시의 이동 경로 데이터를 사용하여 Fine-tuning된 모델과 유사한 성능을 달성했습니다.

Mobility trajectory data provide essential support for smart city applications. However, such data are often difficult to obtain. Meanwhile, most existing trajectory generation methods implicitly assume that at least a subset of real mobility data from target city is available, which limits their applicability in data-inaccessible scenarios. In this work, we propose a new problem setting, called bus-conditioned zero-shot trajectory generation, where no mobility trajectories from a target city are accessible. The generation process relies solely on source city mobility data and publicly available bus timetables from both cities. Under this setting, we propose MobTA, the first approach to introduce task arithmetic into trajectory generation. MobTA models the parameter shift from bus-timetable-based trajectory generation to mobility trajectory generation in source city, and applies this shift to target city through arithmetic operations on task vectors. This enables trajectory generation that reflects target-city mobility patterns without requiring any real mobility data from it. Furthermore, we theoretically analyze MobTA's stability across base and instruction-tuned LLMs. Extensive experiments show that MobTA significantly outperforms existing methods, and achieves performance close to models finetuned using target city mobility trajectories.