본 논문은 대규모 언어 모델(LLM)을 지능형 교통 시스템에 적용하는 것을 다룹니다. 증가하는 수요, 역동적인 환경, 그리고 이기종 정보 통합이라는 문제에 직면한 현대 교통 시스템에 LLM이 혁신적인 잠재력을 제공한다는 점을 강조합니다. 논문에서는 LLM의 역할을 정보 처리기, 지식 인코더, 구성 요소 생성기, 의사 결정 촉진자의 네 가지 상승적 차원으로 체계적으로 분류하는 새로운 개념적 프레임워크인 LLM4TR을 제시합니다. 이를 통해 LLM이 교통 시스템의 감지, 학습, 모델링 및 관리 작업 전반에서 단편화된 데이터 파이프라인을 연결하고, 예측 분석을 향상시키며, 인간과 유사한 추론을 시뮬레이션하고, 폐쇄 루프 상호 작용을 가능하게 하는 방법을 체계적으로 설명합니다. 교통 예측, 자율 주행, 안전 분석, 도시 이동성 최적화 등 다양한 응용 분야에 대한 검토를 통해 LLM의 컨텍스트 내 학습 및 단계별 추론과 같은 능력이 교통 시스템의 운영 및 관리를 향상시킬 수 있는 방법을 강조합니다. 또한 실제 배포를 지원하기 위한 사용 가능한 리소스 및 계산 지침을 포함한 실용적인 지침을 제시하며, 기존 LLM 기반 솔루션의 과제를 파악하여 LLM 기반 교통 연구 발전을 위한 로드맵을 제시합니다.
