모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

본고는 현대 중국어의 생성 및 도출 과정에서 실현되는 언어 단위를 구분 짓고 체 계화하여 그 언어 표현 및 운용의 정체성을 구명하였다. 언어는 인간 뇌리의 우주 세계를 말소리라는 형식을 빌려 근사(近似)하게 표현하여 소통하는 정보 처리 기제 이다. 그 과정은 내용과 형식의 층차별 연계를 통하여 구조와 역할의 병행 처리 방 식으로 실현된다. 즉, 은현적(covert) 내부 구조 체계와 외현적(overt) 실제 조작 모 듈(Module)로 구분되어 운용된다. 이를 현대 중국어로 연결하여 살펴보면 다음과 같 다. 첫째, 내용과 형식에 따른 언어 단위의 층차별 연계 관계는 의미자질-음운자질, 의미소-형태소, 개념-어휘, 구성-어절(단어, 구, 절), 판단-문장, 추리-단락 등으로 연결된다. 둘째, 구조와 역할의 관계로 본다면 구조소와 역할체로 나눌 수 있다. 구조 소로는 음운자질, 형태소, 단어, 구, 절과 그것이 갖는 속성인 명사성, 동사성, 형용사 성, 부사성 등이 있으며, 역할체로는 어절(語節)과 그것이 갖는 역할인 성분이 있다. 셋째, 형식과 구조의 측면에서는 음운자질이, 내용과 역할의 측면에서는 어절(語節) 이 현대 중국어를 생성 및 도출하는 데 핵심적인 역할을 수행하고 있다고 할 수 있 다.