본 연구는 머신러닝 데이터 부족 문제를 해결하기 위한 경로 데이터 증강 방법의 효율성을 높이는 데 초점을 맞췄어요.
Outlierness, Diversity, Representativeness, Uncertainty, Random selection 등 5가지 체계적인 선택 전략을 평가하고, 동물 행동, 해상 교통, 도시 교통 데이터셋에서 테스트했어요.
체계적인 선택은 무작위 선택보다 장점을 보이지만, 데이터셋의 밀도에 따라 성능이 달라지며, 고속 영역에서는 데이터가 왜곡될 수 있다는 점을 확인했어요.