SenseWalk: 대규모 언어 모델 기반 에이전트 시뮬레이션을 통한 구역 환경에서의 의미론적 경로 예측

SenseWalk: Agent-Based Semantic Trajectory Simulation Powered by Large Language Models in Zoned Environments

의미론적 경로 분석은 최근 인간 행동을 모델링하는 접근 방식으로, 단순한 공간 경로를 넘어 방문자 프로필 및 목표와 같은 의미 정보(semantic information)를 활용하여 사람들이 특정 방식으로 움직이는 이유를 더 잘 이해하고자 합니다. 그러나 실제 시나리오에서 의미론적 경로를 분석하는 것은 여전히 어렵습니다. 고품질 데이터를 수집하는 데 비용이 많이 들 뿐만 아니라 풍부한 의미 정보를 얻기 어려울 수 있기 때문입니다. 또한, 기존의 시뮬레이션 도구는 상당한 기술 전문 지식이 필요하며, 이는 실무자가 쉽게 채택하기 어렵다는 단점이 있습니다. 이러한 한계를 극복하기 위해 본 논문에서는 LLM(대규모 언어 모델) 기반 에이전트를 활용하여 의미론적 경로를 시뮬레이션하는 인터랙티브 시스템인 ${SenseWalk}를 제안합니다. 우리는 LLM과 사회적 힘 모델을 결합하여 물리적 타당성과 의미론적 일관성을 모두 고려하는 시뮬레이션 워크플로우를 개발했습니다. 사용자 친화적인 인터페이스를 설계하여 사용자가 시뮬레이션 설정을 쉽게 조정하고 시뮬레이션 결과를 분석할 수 있도록 지원합니다. 또한, 제안한 시뮬레이션 워크플로우의 효과성을 평가하기 위한 정량적 실험과 시스템의 유용성과 효율성을 평가하기 위한 사용자 연구(n=12)를 수행했습니다.

Semantic trajectory analysis has recently emerged as an approach for modeling human movement by capturing implicit patterns and behaviors through semantic information (e.g., visitors' profiles and goals) beyond raw spatial paths to better understand why people move in certain ways. However, analyzing semantic trajectories in real-world scenarios remains challenging, as collecting high-quality data is costly and often lacks rich semantic information. Meanwhile, existing simulation tools require substantial technical expertise, which makes them difficult for practitioners to adopt. To address these limitations, the paper proposes ${SenseWalk}$, an interactive system that supports simulating semantic trajectories by LLM-powered agents. We develop a simulation workflow that combines LLMs and the social force model to balance physical plausibility and semantic coherence. A user-friendly interface is designed to facilitate users in customizing the simulation configuration and analyzing simulation outputs. We also conduct a quantitative experiment to evaluate the effectiveness of our simulation workflow, and a user study (n=12) to assess the usefulness and efficiency of our system.