旅行モード識別(TMI)は、GPSの軌跡から都市のインテリジェンスを向上させるために重要ですが、アノテーションコストが高く、ラベル不足が深刻な問題となっています。従来の半監視学習(SSL)手法は、この課題に対して不適切であり、確認バイアスの問題やデータの本質的なマニフォールドを無視します。本研究は、これらの限界を克服するために、ST-ProCという新しいグラフプロトタイプの多目的SSLフレームワークを提案します。このフレームワークは、グラフ正則化やプロトタイプアンカー、マージンに配慮した疑似ラベリング戦略を利用してノイズを積極的に除去し、基盤となる対照的損失と教師-生徒の整合性損失によって安定化されます。実際のラベル不足の設定において、ST-ProCは従来の最先端手法に比べて21.5%の性能向上を示し、すべてのベースラインを大幅に上回ることが確認されました。