이 연구는 인간 이동 생성 모델이 새로운 지역에 얼마나 잘 전이되는지를 뜻하는 '지리적 전이가능성'을 미국 2265개 카운티의 통근 흐름 대규모 벤치마크 데이터로 체계적으로 분석했다. 기계학습의 도메인 적응 이론에서 착안해 원본 지역과 대상 지역 간 지리적 특성 분포·공간 구조 차이를 뜻하는 '지리적 도메인 시프트' 개념을 도입하고, 이를 정량화하는 상호정보량과 공간 시프트라는 두 지표를 제안했다. 선형 혼합효과 회귀분석 결과 두 지표 모두 모델 전이 성능과 통계적으로 유의미하고 상호 보완적인 연관성을 보였으며, 지역 간 전이 성능에 상당한 공간적 이질성과 비대칭성이 존재함을 확인했다. 이는 이동 생성 모델의 전이가능성이 모델 설계뿐 아니라 지역 고유의 지리적 차이에도 좌우된다는 점을 시사하며, GeoAI 모델 개발에 시사점을 제공한다.

• •미국 2265개 카운티 통근 데이터로 인간 이동 생성모델의 지역 간 전이가능성 분석
• •지리적 도메인 시프트 개념과 상호정보량·공간시프트 두 정량 지표 제안
• •두 지표 모두 모델 전이 성능과 유의미하고 상호보완적인 연관성 확인
• •지역 간 전이 성능에 상당한 공간적 이질성·비대칭성 존재