본 논문은 도시화 과정에서 증가하는 교통 데이터를 효율적으로 활용하기 위한 새로운 다중 에이전트 프레임워크인 IDM-GPT를 제안한다. IDM-GPT는 대규모 언어 모델(LLM) 기반으로 사용자, 교통 데이터베이스, 머신러닝 모델을 경제적으로 연결하여 사용자 질의 이해, 프롬프트 최적화, 데이터 분석, 모델 선택, 성능 평가 및 향상 등 다양한 기능을 수행하는 AI 에이전트를 학습 및 적용한다. 교통 또는 머신러닝 전문 지식이 없는 사용자도 직관적으로 데이터 분석 및 맞춤형 제안을 실시간으로 얻을 수 있도록 설계되었으며, 실험 결과 다양한 교통 관련 작업에서 만족할 만한 성능을 보였다고 보고한다. 기존의 ML/AI 기반 교통 분석 방법이 요구하는 높은 데이터 처리 비용과 전문가 의존성, 그리고 개인 정보 보호 문제를 해결하기 위한 대안으로 제시된다.
