신호 대화형 수집과 다중 에이전트로 날씨 민감 통행 수요를 예측한 연구

요약

통행 행태 연구는 흔히 디지털 데이터 수집과 예측 모형을 따로 개발해 두 과정이 잘 맞물리지 않는 경우가 많다. 이 연구는 대화형 데이터 수집, 구조화 처리, 행태 예측을 하나로 묶은 3에이전트 워크플로를 제시한다. 챗봇이 진행하고 이미지를 곁들인 진술선호 조사를 통해 학생 통근자들의 다섯 가지 날씨 시나리오별 이동수단 선택을 모아 454건의 응답자-시나리오 관측치를 확보했다. 날씨와의 연관성은 다항 로짓 모형으로 분석했고, 로지스틱 회귀와 랜덤 포레스트를 기계학습 비교 기준으로 삼았다. 20억에서 350억 개 매개변수를 가진 로컬 구동 LLM 아홉 종을 네 가지 제로샷 조건에서 평가한 뒤 페르소나·퓨샷·비전 기반 구성으로 확장 평가했다. 그 결과 랜덤 포레스트는 5분류 정확도 69.6%를, 별도 조정 없는 최고 성능 텍스트 전용 제로샷 LLM은 69.9%를, 응답자에게 보여준 것과 같은 날씨 이미지를 활용한 최고 비전 구성은 71.5%를 각각 기록했다.