Spatial-Knowledge-Graph-Grounded LLM Agents for Neighborhood Livability Evaluation

기술 요약: 공간 지식 그래프 기반 LLM 에이전트를 활용한 근린 생활성 평가

문제 정의
현재의 근린 생활성(neighborhood livability) 평가 방식은 시설 접근성, 도로 연결성, 공공 공간 접근성과 같은 정적인 구축 환경 지표에 크게 의존하고 있다. 이러한 척도들은 가용 가능한 공간적 기회를 설명할 수는 있지만, 다양한 이동 역량, 가구 역할, 일정, 그리고 돌봄 책임을 가진 거주자들이 실제로 근린 환경을 어떻게 경험하는지는 포착하지 못한다. 기존의 접근성 지표는 접근성을 집계된 공간적 속성이나 단순한 기점-종점 관계로 취급하는 경며, 활동 체인(activity chains), 시간적 제약, 가구 내 협력, 그리고 취약 계층(예: 노인, 장애인, 또는 육아를 담당하는 부모)에게 부과되는 구체적인 부담 등을 간과한다. 이는 공간적 기회를 측정하는 것과 이질적인 거주자들의 일상생활의 실행 가능성 및 부담을 평가하는 것 사이의 중대한 간극을 의미한다.

방법론
본 논문은 공간 지식 그래프(Spatial Knowledge Graph, KG)와 대규모 언어 모델(LLM) 에이전트를 통합하여 가구별 활동-이동 스케줄을 시뮬레이션하고, 증거에 기반한 인터뷰를 통해 생활성을 평가하는 프로토타입 프레임워크를 제안한다. 이 시스템은 네 가지 상호 연결된 모듈로 작동한다:

1. 공간 설정 및 KG 구축: 국지적 환경은 경로 탐색이 가능한 도로 그래프($G$), 시설 집합($F$), 그리고 사용자 정의 경계($B$)로 모델링된다. 이 데이터들은 근린, 거주자, 가구, 주거지, 시설, 도로 허브를 노드로 하고, LIVES_AT(거주함), NEAR(가까움), ROAD_LINK(도로 연결)와 같은 관계로 연결된 공간 KG($\mathcal{K}$)로 구성된다.
2. 가구 및 페르소나 구성: 거주자 에이전트는 인구 통계, 이동 역량, 행동 제약 조건을 정의하는 구조화된 페르소나와 함께 초기화된다. 에이전트들은 공유된 책임(예: 육아, 동행)을 가진 가구($\mathcal{H}$)로 그룹화된다. 시스템은 사전 정의된 프로필(예: 독립적으로 생활하는 노인, 영유아가 있는 맞벌이 가구)과 사용자 정의 구성을 모두 지원한다.
3. 반복적 스케줄링 및 네트워크 실체화:
   • Graph-RAG 검색: 각 가구에 대해, 주거지, 인근 후보 시설(대략적인 도보 시간 기준 순위 지정), 가구 속성을 포함하는 가구 중심의 에고-서브그래프($\mathcal{K}_j$)를 검색한다.
   • LLM 생성 및 규칙 기반 수정: LLM은 검색된 컨텍스트를 바탕으로 구조화된 가구 스케줄(TSV 형식)을 생성한다. 이후 결정론적 규칙 레이어가 경량화된 수정 및 실행 가능성 검사(예: 참여자 독점성 보장, 시공간적 연속성, 유효 이동 시간, 돌봄 제약 조건 등)를 수행한다.
   • 반복적 검토: 실행 가능성 문제가 감지되면 LLM이 스케줄을 수정한다. 이 루프는 스케줄이 모든 검사를 통과하거나 최대 수정 횟수에 도달할 때까지 지속된다.
   • 네트워크 실체화: 승인된 스케줄은 NetworkX를 사용하여 실제 도로 네트워크($G$) 상에 매핑되어 최단 경로 탐색을 수행한다. 이 단계는 추상적인 스케줄을 구체적인 이벤트 이력($\mathcal{Z}$)으로 변환하며, 실제 이동 시간, 수단 및 경로를 계산한다.
4. 증거 기반 거주자 인터뷰: 생성된 이벤트 이력은 사후 시뮬레이션 인터뷰 모듈을 위한 증거 역할을 한다. 특정 거주자 역할을 수행하는 LLM 에이전트는 일상적 편의성, 이동 부담, 활동 실행 가능성에 대한 구조화된 질문에 답한다. 결정적으로, 에이전트의 응답은 해당 가구를 위해 생성된 특정 이벤트 기록에 의해 제한되며, 이를 통해 해석이 시뮬레이션 데이터에 추적 가능하도록 보장한다.

주요 기여
본 연구는 도시 생활성 및 시뮬레이션 분야에 세 가지 주요 기여를 한다:

1. 정적 평가에서 개인화된 평가로의 전환: 본 연구는 개인적 특성과 가구 상황이 일상 활동의 실행 가능성과 부담을 어떻게 형성하는지를 명시적으로 모델링함으로써, 근린 평가를 장소 기반의 정적 접근성에서 개인화된 평가로 진전시킨다.
2. 증거 기반 해석: 활동-이동 이벤트를 해석 가능하고 거주자 특유의 평가로 변환하는 방법을 도입하며, 이 과정에서 시뮬레이션된 경험과 관찰된 인식을 구분하면서도 근저에 있는 공간적 및 행동적 증거와의 직접적인 연결을 유지한다.
3. LLM을 위한 공간-KG 접지(Grounding): 거주자, 시설 및 공간적 관계를 공간 KG를 통해 구조화함으로써, LLM 에이전트에게 지리적으로 접지되고 추적 가능한 컨텍스트를 제공한다. 이는 LLM이 그럴듯하지만 공간적으로 일관되지 않은 스케줄을 생성하는 것을 방지하며, 활동 생성이 실제 목적지 가용성 및 이동 부담에 기반하도록 보장한다.

결과
심층적인 프로토타입 시연은 독립적으로 생활하는 노인, 젊은 전문직, 영유아가 있는 맞벌이 가구, 학령기 자녀가 있는 가구, 이동이 제한된 성인 등 다양한 프로필을 나타내는 6개 가구(11개 에이전트)를 대상으로 심천(Shenzhen)의 한 근린 지역에서 수행되었다.

• 실행 가능성 vs. 부담: 모든 예정된 활동은 성공적으로 완료되었으나(실패한 이동 없음), 이동 부담은 크게 달랐다. 예를 들어, 이동이 제한된 노인(Aunt Chen)의 경우, 모든 목적지가 도달 가능했음에도 불구하고 평균 이동 시간은 25.1분이었으며, 15분 이내의 이동은 10%에 불 불과했다.
• 가구 내 협력: 돌봄 책임이 있는 가구(영유아 및 학령기 아동)는 상당한 협력이 필요했다. 영유아 및 학령기 아동이 포함된 모든 이동은 동행 하에 이루어졌으며, 이는 의존적 구성원에 대한 접근성이 다른 가구 구성원의 가용성에 달려 있음을 보여준다.
• 엇갈리는 인식: 사후 시뮬레이션 인터뷰 결과, 명목상의 시설 가용성이 반드시 편리한 접근성을 의미하는 것은 아님이 드러났다. 이동 제약이 있거나 높은 협력 필요성을 가진 에이전트(예: 영유아 부모)는 젊고 이동성이 높은 전문직에 비해 의료 서비스 접근성 및 활동 연쇄(trip chaining)에 대해 현저히 낮은 점수를 부여했다. 개방형 응답에서는 노인을 위한 더 가까운 약국이나 부모를 위한 육아 지원 시설의 필요성과 같은 구체적인 고충이 강조되었다.

의의 및 주장
본 논문은 이 프레임워크가 공간적 기회, 가구 활동 제약, 그리고 거주자 특유의 생활성 해석을 연결하는 감사 가능한(auditable) 방법을 제공한다고 주장한다. 본 시스템을 정밀하게 교정된 교통 수요 모델이 아니라, 기존의 GIS 기반 평가를 확장하는 하이브리드 생성-기호적(generative-symbolic) 프로토타입으로 위치시킨다. 접근성을 활동 기반 및 가구 의존적 프로세스로 다룸으로써, 본 프레임워크는 동일한 공간 환경이 어떻게 불평등한 이동 및 협력 부담을 부과할 수 있는지 밝혀낸다. 저자는 인터뷰 출력이 실제 현실의 인식을 직접 보여주는 증거라기보다 "모델링된 환경에 대한 추적 가능한 해석"임을 강조하며, 이를 통해 계획가들이 명목상의 근접성이 관리 가능한 일상생활으로 이어지지 않는 취약 계층을 식별할 수 있는 도구로 활용할 수 있다고 설명한다. 본 연구는 이 접근 방식이 비교 근린 분석, 개입 테스트, 그리고 취약 계층을 위한 서비스 격차 식별을 지원한다고 결론짓는 동시에, 데이터 정확도(OSM 유래), 관측된 궤적에 대한 교정 부족, 그리고 현재 이동성에 집중되어 있다는 점(사회적 또는 안전 차원 제외) 등의 한계를 인정한다.