Este artículo presenta "Cadena de Preferencias", un novedoso método que utiliza un agente generativo basado en un modelo de lenguaje a gran escala (LLM) para abordar los desafíos de la recopilación de datos sobre el comportamiento humano en áreas de reciente desarrollo en las ciencias urbanas. Cadena de Preferencias integra la Generación Aumentada por Búsqueda Gráfica (RAG) con LLM para mejorar la simulación contextual del comportamiento humano en sistemas de transporte. Los resultados experimentales, utilizando el conjunto de datos Replica, demuestran que Cadena de Preferencias supera al LLM estándar en cuanto a consistencia con las opciones de transporte del mundo real. El desarrollo del Agente de Movilidad demuestra posibles aplicaciones en ciudades emergentes, incluyendo el modelado de la movilidad urbana, el análisis personalizado del comportamiento de viaje y la predicción dinámica del tráfico. A pesar de limitaciones como la baja velocidad de inferencia y el riesgo de alucinaciones, proporciona un marco prometedor para simular el comportamiento humano complejo en entornos con escasez de datos.
