본 논문은 대규모 언어 모델(LLM) 기반 지능형 교통 관리 시스템의 효율성을 높이기 위해 그래프 기반 아키텍처인 GraphTrafficGPT를 제안한다. 기존의 체인 기반 시스템(예: TrafficGPT)은 순차적 작업 실행, 높은 토큰 사용량, 낮은 확장성으로 인해 복잡한 실제 환경에 적용하기 어려운 한계를 지닌다. GraphTrafficGPT는 작업과 그 의존성을 노드와 에지로 나타내는 그래프를 사용하여 병렬 실행과 동적 자원 할당을 가능하게 한다. 핵심은 사용자 질의를 분해하고 최적화된 의존성 그래프를 구성하며 데이터 검색, 분석, 시각화 및 시뮬레이션을 위한 전문 에이전트 네트워크를 조정하는 Brain Agent이다. 문맥 인식 토큰 관리 및 동시 다중 질의 처리 지원을 통해 상호 의존적인 작업을 효율적으로 처리한다. 실험 결과, GraphTrafficGPT는 TrafficGPT에 비해 토큰 소비량을 50.2%, 평균 응답 지연 시간을 19.0% 줄이고, 동시 다중 질의 실행 효율을 최대 23.0% 향상시켰다.
