본 논문은 기존의 활동 기반 모델과 학습 기반 인간 이동성 모델링 알고리즘이 데이터 가용성과 품질에 제약을 받는 문제를 해결하기 위해, 공개적으로 접근 가능한 통계 및 사회 인구 통계 정보만을 사용하여 가구 조정을 포함한 활동 체인을 생성하는 검색 증강 대규모 언어 모델(LLM) 프레임워크를 제안한다. 기존 방법들이 공간-시간적 패턴에만 집중하는 반면, 본 연구는 활동 간의 논리적 연결이나 의존성과 같은 의미론적 관계(예: 공동 쇼핑 여행이나 가족 식사 시간과 같은 가구 조정 활동)를 고려하여 현실적인 이동성 모델링을 가능하게 한다. 검색 증강 메커니즘은 가구 조정을 가능하게 하고 생성된 패턴 간의 통계적 일관성을 유지한다. NHTS 및 SCAG-ABM 데이터셋을 사용한 검증 결과, 효과적인 이동성 합성 및 이동성 데이터 가용성이 제한적인 지역에 대한 강력한 적응성을 보여준다.
