교통 시스템 관리 및 운영에서의 대규모 언어 모델(LLM): 텍스트 추론에서 멀티모달(Multi-modal) 의사결정 지원까지

교통 시스템 관리 및 운영 (Transportation systems management and operations, TSMO)은 다양한 센서 스트림, 사고 보고서, 여행자 피드백 및 시각적 관찰로부터 발생하는 이기종 데이터 (heterogeneous data)를 적시에 해석하는 것에 점점 더 의존하고 있습니다. 신흥 멀티모달 대규모 언어 모델 (Multi-modal Large Language Models, MM-LLMs)을 포함한 대규모 언어 모델 (Large Language Models, LLMs)은 이러한 정형 및 비정형 입력을 운영자 대상의 의사결정 지원 (decision support) 체계로 통합하는 새로운 메커니즘을 제공합니다. 본 조사 논문은 TSMO 내의 세 가지 영역인 교통 운영 및 서비스 (공급), 모빌리티 및 플릿 서비스 (수요), 그리고 데이터, 모델링 및 의사결정 지원 분야에서 LLM 및 MM-LLM 기반의 응용 사례를 검토합니다. PRISMA 가이드 기반의 스크리닝 프로세스를 사용하여, 우리는 운영 중심의 응용 사례와 프로토타입 및 신흥 개념을 구분하면서 현재의 연구들을 종합합니다. 나아가 우리는 데이터 이질성 (data heterogeneity), 실시간 추론 (real-time inference), 설명 가능성 (explainability), 멀티모달 융합 (multi-modal fusion) 및 거버넌스 (governance) 측면에서 반복되는 과제들을 식별합니다. 마지막으로, 국지적 적응 (localized adaptation), 엣지 배포 (edge deployment), 벤치마킹 (benchmarking) 및 기관 간 협업 (cross-agency collaboration) 분야의 기존 공백과 향후 방향을 개괄합니다. 전반적으로, LLM 기반 시스템은 의사결정 지원 계층으로서 가장 유망해 보이며, 특히 이기종 텍스트, 시각 및 센서 입력이 통합되어야 하는 경우 MM-LLM이 특별한 가치를 제공합니다.