人間の移動予測は、災害救助、都市計画、公衆衛生において重要です。しかし、従来のモデルは位置情報のシーケンスしかモデル化せず、時間情報を補助的な入力としてしか利用せず、ポイント・オブ・インタレスト（POI）が提供する豊富な文脈を活用できていません。本研究では、BERTベースのモビリティモデルを、得られた時間記述子とPOIの埋め込みを用いて強化し、人間の移動の背後にある意味をより適切に捉える手法を提案します。提案するSTaBERT（セマンティック・テンポラルに対応したBERT）は、各位置でPOIと時間情報を統合し、移動の統一的で意味的に豊かな表現を構築します。実験結果により、STaBERTは予測精度を大幅に向上させることが示されました。単一都市予測ではGEO-BLEUスコアが0.34から0.75に、複数都市予測では0.34から0.56へと改善されました。