本研究では、軌跡の類似度を効果的に学習するための新しい手法「RePo」を提案しています。従来の手法では、軌跡情報の包括的なスペクトルを活用できていませんでしたが、RePoは領域ごとの特徴とポイントごとの特徴を共同でエンコードすることで、空間的な文脈と詳細な移動パターンの両方を捉えます。GPS軌跡はまずグリッド系列にマッピングされ、構造的特徴や視覚特徴を使用して空間的文脈が捉えられます。一方、ポイントごとの表現では、軽量な専門ネットワークが密なGPS系列から局所的、相関的、連続的な移動パターンを抽出します。最終的に、学習したポイント特徴をルーターネットワークで適応的に統合し、クロスアテンションを使用して領域特徴と結合して最終的な軌跡の埋め込みを生成します。実験結果により、RePoは先進的手法に対して平均22.2％の精度向上を達成しました。