TrajGenAgent는 모델 미세조정 없이 사람의 이동 궤적을 생성하는 의미 인식 위계형 LLM 에이전트 프레임워크다. 대규모 궤적 수집이 비용과 프라이버시 문제로 어려운 상황에서, 기존 LLM 생성기가 프롬프트 엔지니어링(공간시간 정밀도 부족)이나 궤적 단위 미세조정(높은 비용·추론력 약화) 중 하나에 의존하던 한계를 넘는다. 오케스트레이터-워커 2단계 구조로, 먼저 LLM이 인컨텍스트 학습으로 개인·요일별 활동 사슬을 합성하고, 이어 결정론적 워크플로가 개인화 POI 검색·거리 인식 위치 선택·운동학 기반 이동시간 전파·LLM 체류시간 추정으로 각 활동을 완전한 방문으로 구체화한다. 이상탐지 기반 평가에서 신경망·LLM 베이스라인 대비 공간시간 충실도, 의미적 일관성, 개인별 행동 현실성을 모두 향상시키면서 파라미터 갱신을 피했다.
- •미세조정 없이 사람 이동 궤적을 생성하는 위계형 LLM 에이전트 TrajGenAgent
- •오케스트레이터-워커 2단계로 활동 사슬 생성 후 결정론적 구체화
- •개인화 POI 검색·거리 인식 위치 선택·운동학 이동시간 전파로 방문 완성
- •이상탐지 기반 평가 프레임워크로 행동·의미적 타당성 검증
- •신경망·LLM 베이스라인 대비 공간시간 충실도·의미 일관성·개인 행동 현실성 향상
TrajGenAgent: A Hierarchical LLM Agent for Human Mobility Trajectory Generation
- 1.파인튜닝 없이 인간 이동 궤적을 생성하는 계층적 LLM 에이전트 TrajGenAgent 제안
- 2.오케스트레이터-워커 2단계로 활동 체인 생성 후 결정적 워크플로로 구체화
- 3.개인화 POI 검색·거리 인식 선택·운동학 기반 이동시간 전파 활용
- 4.이상탐지 기반 평가에서 시공간 충실도·의미 일관성으로 베이스라인 능가
왜 중요한가?
비용·프라이버시 제약이 큰 대규모 궤적 수집을 대체할 합성 데이터를 모델 갱신 없이 개인별 행동 현실성까지 확보해 생성함으로써, 교통·도시계획·역학 연구에 실용적 대안을 제시한다.
🏷️ 언급 프로젝트
도시 계획, 교통, 전염병 통제 등 한국의 다양한 분야에서 인간 이동성 데이터의 중요성이 커지는 가운데, 대규모 데이터 수집의 높은 비용과 개인정보 침해 우려는 큰 제약이었습니다. 'TrajGenAgent'는 계층적 LLM 에이전트를 통해 사실적인 합성 이동 궤적을 생성하며, 국내 스마트 도시 및 공공 정책 수립에 필수적인 데이터를 제공할 잠재력이 큽니다.
본문 미리보기
arXiv:2606.12657v1 Announce Type: new Abstract: Human mobility data is important for transportation, urban planning, and epidemic control, but large-scale trajectory collection is often costly and privacy-constrained, motivating realistic synthetic trajectory generation. Existing LLM-based generators typically rely on either prompt engineering, which preserves zero-shot reasoning but lacks fine-grained spatiotemporal grounding, or trajectory-level fine-tuning, which improves statistical precisi
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
