Incorporating LLMs for Large-Scale Urban Complex Mobility Simulation
Created by
Haebom
저자
Yu-Lun Song, Chung-En Tsern, Che-Cheng Wu, Yu-Ming Chang, Syuan-Bo Huang, Wei-Chu Chen, Michael Chia-Liang Lin, Yu-Ta Lin
개요
본 연구는 대규모 언어 모델(LLM)을 에이전트 기반 모델링(ABM)과 통합하여 도시 이동성 시뮬레이션에 대한 혁신적인 접근 방식을 제시합니다. 기존의 규칙 기반 ABM과 달리, 제안된 프레임워크는 LLM을 활용하여 합성 인구 프로필 생성, 일상 및 특별 장소 할당, 개인화된 경로 시뮬레이션을 통해 에이전트의 다양성과 현실성을 향상시킵니다. 실제 데이터를 사용하여 타이페이시의 개별 행동과 대규모 이동 패턴을 시뮬레이션합니다. 경로 히트맵 및 모드별 지표와 같은 주요 통찰력은 도시 계획자에게 정책 결정을 위한 실행 가능한 정보를 제공합니다. 향후 연구는 도시 계획 응용 프로그램에서 정확성과 신뢰성을 보장하기 위한 강력한 검증 프레임워크 구축에 중점을 둡니다.
시사점, 한계점
•
시사점:
◦
LLM과 ABM 통합을 통한 도시 이동성 시뮬레이션의 현실성 및 다양성 향상
◦
실제 데이터 기반의 타이페이시 이동 패턴 시뮬레이션 및 정책 결정에 활용 가능한 정보 제공 (경로 히트맵, 모드별 지표 등)
