Airbnb와 같은 단기 임대 플랫폼의 확산은 지역 주택 시장에 큰 영향을 미치며, 임대료 상승과 주택 구매 능력 문제를 야기한다. 본 연구는 이러한 영향을 완화하기 위한 정책 입안자와 도시 계획가를 위해 지역별 Airbnb 시장 동향을 정확하게 예측하는 시계열 예측 프레임워크를 제안한다. 1~3개월 앞을 예측하며, 개별 목록 대신 도시 접근성 및 인적 이동과 같은 외부 요소를 통합하여 지역별 표현을 구축한다. 구조화된 표 형식의 데이터를 LLM에 대한 프롬프트 기반 입력으로 변환하여 포괄적인 지역 임베딩을 생성한 다음, 고급 시계열 모델(RNN, LSTM, Transformer)에 공급하여 복잡한 시공간적 역학 관계를 포착한다. 서울 Airbnb 데이터 세트에 대한 실험 결과, 기존 모델 대비 RMSE 및 MAE를 약 48% 감소시켰다. 본 프레임워크는 예측 정확도를 향상시킬 뿐만 아니라, 과잉 공급 지역을 감지하고 데이터 기반 도시 정책 결정을 지원하는 데 실질적인 통찰력을 제공한다.
