本論文では、軌跡表現学習（TRL）の新しいフレームワーク「PRTraj」を提案しています。TRLは、生の軌跡を低次元ベクトルに変換し、旅行時間の推定や位置予測などの様々なタスクに活用されます。しかし、従来のTRL手法は、軌跡を孤立した空間・時間のシーケンスとして扱い、外部環境や内部のルート選択行動を考慮していないという問題がありました。PRTrajは、まず環境認識モジュールを導入し、周囲のポイントオブインタレスト（POI）から環境の多様なセマンティクスを抽出します。次に、ルート選択エンコーダを用いて各軌跡の路面遷移を意思決定のシーケンスとしてモデル化し、ルート選択を考慮した表現を形成します。このアプローチは、実世界の3つのデータセットによる実験で効果的であることが示され、少ないデータでも堅牢なパフォーマンスを維持することが確認されました。