Earticle

초록

영어

Demand-responsive transport (DRT) has received increasing attention as an alternative for addressing population aging and regional disparities in transport accessibility. However, heterogeneous local demand and dispersed, unstructured evidence for policy decisions make DRT operational policy design highly dependent on expert experience. This study proposes a retrieval-augmented generation (RAG)-based large language model (LLM) framework that combines regional diagnostic information derived from DRT operational logs and 500m × 500m grid-level socioeconomic indicators with literature-based evidence retrieved from DRT-related publications. The framework consists of three modules: Regional Feature Extraction, Domain Knowledge Construction, and Policy Generation, and generates policy drafts following a Regional Diagnosis–Operational Strategy–Key Performance Indicator–Evidence schema. A regional diagnostic database and a literature-based evidence knowledge base were constructed using approximately seven months of DRT operational logs from 67 regions, grid-level socioeconomic indicators, and approximately 80 publications. Three conditions (C0–C2) were compared across 10 case regions. C0 provided no external context, C1 provided a regional diagnostic profile, and C2 combined the profile with literature-based evidence. C2 achieved the highest field completeness (FC = 1.000), answer-context similarity (ACS = 0.666), and regional heterogeneity alignment (RHA = 0.988). Qualitative evaluation also showed that C2 provided the most consistent linkages among diagnosis, strategy, KPI, and evidence. These findings suggest that integrating structured regional data with unstructured literature-based evidence can improve the explicitness of evidence, regional relevance, and reviewability of DRT operational policy drafts.

한국어

수요응답형 교통(Demand-Responsive Transport, DRT)은 고령화와 지역 간 교통 접근성 격차에 대응할 수 있는 대안으로 주목받고 있다. 그러나 지역별 수요가 이질적이고 정책 판단 근거가 비정형적으로 분산되어 있어, DRT 운영 정책 설계는 여전히 전문가 경험에 크게 의존하는 한계가 있다. 본 연구는 DRT 운영 로그와 500m × 500m 그리드 단위 사회경제지표에서 도출한 지역 진단 정보, 그리고 DRT 관련 문헌에서 검색한 근거를 결합하는 검색 증강 생성(Retrieval-Augmented Generation, RAG) 기반 대규모 언어모델(Large Language Model, LLM) 정책 지원 프레임워크를 제안한다. 제안 프레임워크는 지역 특징 추출, 도메인 지식 구축, 정책 생성의 세모듈로 구성되며, ‘지역 진단–운영 전략–핵심 성과지표–근거 제시’ 구조를 갖는 정책 초안을 생성한다. 국내 67개 지역에서 약 7개월간 수집한 DRT 운영 로그, 그리드 단위 사회경제지표, DRT 관련 문헌 약 80편을 기반으로 지역 진단 데이터베이스와 문헌 근거 지식베이스를 구축하였다. 이후 수요 및 운영 여건의 이질성을 고려해 선정한 10개 사례 지역을 대상으로 C0–C2 조건을 비교하였다. C0는 외부 컨텍스트를 제공하지 않은 기준 조건, C1은 지역 진단프로파일을 제공한 조건, C2는 지역 진단 프로파일과 문헌 근거를 함께 제공한 조건으로 설정하였다. 실험 결과, C2에서 필드 충실도(FC) 1.000, 응답-컨텍스트 유사도(ACS) 0.666, 지역 이질성 반영도(RHA) 0.988로 가장 높은 값을 보였다. 정성 평가에서도 C2는 지역 진단, 운영 전략, KPI, 근거 제시 간 연결을 가장 일관되게 구성하였다. 이는 정형 지역 데이터와 비정형 문헌 근거의 결합이 DRT 운영 정책 초안의 근거 명시성, 지역 적합성, 검토 가능성을 높일 수 있음을 보여준다.

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
1. 도시·교통 정책 지원을 위한 LLM 기반 연구
2. RAG 기술의 발전과 한계
Ⅲ. 방법론
1. 데이터 수집 및 전처리(Data Collection and Preprocessing)
2. 지역 특징 추출 모듈(Regional Feature Extraction Module)
3. 도메인 지식 구축 모듈(Domain Knowledge Construction Module)
4. 정책 생성 모듈(Policy Generation Module)
Ⅳ. 실험 및 결과
1. 실험 구성
2. 평가지표
3. 정량 평가 결과
4. 정성 평가 결과
5. 논의 및 고찰
Ⅴ. 결론
ACKNOWLEDGEMENTS
REFERENCES

키워드

저자

• 조민형 [ Minhyeong Cho | 순천향대학교 AI·빅데이터학과 학사과정 ] 주저자
• 송정훈 [ Jeonghoon Song | 순천향대학교 미래융합기술학과 석사과정 ] 공저자
• 진주빈 [ Joobin Jin | 순천향대학교 미래융합기술학과 석사과정 ] 공저자
• 백경선 [ Gyeongseon Baek | 순천향대학교 미래융합기술학과 석사과정 ] 공저자
• 김현서 [ Hyeonseo Kim | 한국교통연구원 AI모빌리티기술본부 연구원 ] 공저자
• 노병준 [ Byeongjoon Noh | 한양대학교 교통·물류공학과 조교수 ] 교신저자
• 탁세현 [ Sehyun Tak | 한국교통연구원 미래교통·AI연구팀 연구위원 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국ITS학회논문지 [The Journal of The Korean Society of Intelligent Transport Systems]

• 간기

  격월간

• pISSN

  1738-0774

• eISSN

  2384-1729

• 수록기간

  2003~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 326 DDC 338