본 논문은 교통 신호 제어 계획 생성 및 업데이트에 필요한 수작업을 줄이기 위해 대규모 언어 모델(LLM) 기반의 새로운 방법인 Chat2SPaT를 제안한다. Chat2SPaT는 사용자의 반구조적이고 모호한 교통 신호 제어 계획 설명을 정확한 신호 위상 및 시간(SPaT) 결과로 변환하여 지능형 교통 시스템(ITS) 소프트웨어 및 교통 신호 제어기와 상호 작용하는 구조화된 단계 기반 또는 링 기반 계획으로 변환한다. LLM을 활용하여 사용자의 계획 설명을 이해하고 JSON 형식의 위상 순서와 위상 속성 결과의 조합으로 재구성하며, 파이썬 스크립트를 통해 사이클 내에서 위상을 찾고 교통 신호 제어의 뉘앙스를 해결하여 완전한 교통 신호 제어 계획을 조립한다. 300개 이상의 계획 설명으로 구성된 테스트 데이터셋을 사용하여 영어와 중국어 모두에서 94% 이상의 정확도로 계획을 생성하는 것을 실험을 통해 보여준다. 소스 코드, 프롬프트 및 테스트 데이터셋은 공개적으로 접근 가능하다.
시사점, 한계점
•
시사점:
◦
교통 신호 제어 계획 생성 및 관리 프로세스를 사용자 친화적으로 개선한다.
◦
LLM을 활용하여 반구조적이고 모호한 사용자 입력을 정확한 교통 신호 제어 계획으로 변환한다.
◦
ITS 분야에서 LLM의 정확하고 다양한 응용을 위한 새로운 기반을 제공한다.
◦
영어 및 중국어 모두에서 높은 정확도(94% 이상)를 달성했다.
◦
소스 코드, 프롬프트 및 테스트 데이터셋을 공개하여 재현성과 확장성을 높였다.
•
한계점:
◦
현재는 영어와 중국어에 대한 지원만 제공한다. 다른 언어에 대한 지원 확장이 필요하다.
◦
테스트 데이터셋의 규모가 제한적일 수 있다. 더욱 다양하고 방대한 데이터셋을 이용한 추가적인 검증이 필요하다.
◦
실제 현장 적용을 위한 추가적인 검증 및 보완이 필요하다.
◦
LLM의 성능에 의존적이므로, LLM의 한계가 Chat2SPaT의 성능에 영향을 미칠 수 있다.