[논문 리뷰] Large Language Model for Participatory Urban Planning

Zhilun Zhou, Yuming Lin외 2명|arXiv (Cornell University)|2024. 02. 27.

Geographic Information Systems Studies인용 수 11

한 줄 요약

이 논문은 다중 에이전트 LLM 프레임워크를 사용하여 참여형 도시계획에서 계획자와 거주민 역할을 시뮬레이션하고, 피시볼 피드백 토의를 통해 토지 이용 계획을 반복적으로 수정하며 거주자 만족도와 포용성을 최적화한다.

ABSTRACT

Participatory urban planning is the mainstream of modern urban planning that involves the active engagement of residents. However, the traditional participatory paradigm requires experienced planning experts and is often time-consuming and costly. Fortunately, the emerging Large Language Models (LLMs) have shown considerable ability to simulate human-like agents, which can be used to emulate the participatory process easily. In this work, we introduce an LLM-based multi-agent collaboration framework for participatory urban planning, which can generate land-use plans for urban regions considering the diverse needs of residents. Specifically, we construct LLM agents to simulate a planner and thousands of residents with diverse profiles and backgrounds. We first ask the planner to carry out an initial land-use plan. To deal with the different facilities needs of residents, we initiate a discussion among the residents in each community about the plan, where residents provide feedback based on their profiles. Furthermore, to improve the efficiency of discussion, we adopt a fishbowl discussion mechanism, where part of the residents discuss and the rest of them act as listeners in each round. Finally, we let the planner modify the plan based on residents' feedback. We deploy our method on two real-world regions in Beijing. Experiments show that our method achieves state-of-the-art performance in residents satisfaction and inclusion metrics, and also outperforms human experts in terms of service accessibility and ecology metrics.

연구 동기 및 목표

• 전통적 방법에 대한 시간 및 비용 효율적인 대안으로 참여형 도시계획을 촉진한다.
• 다양한 거주민의 요구를 모델링하기 위해 LLM 기반 계획자 및 거주민 에이전트를 도입한다.
• 대규모 커뮤니티에서 토론을 확장하기 위한 피시볼 토론 메커니즘을 개발한다.
• 거주자 피드백에 기반해 초기 토지 이용 계획의 계획자 수정을 가능하게 한다.

제안 방법

• 지역 맵과 프로필을 포함하여 프롬프트를 통해 LLM 에이전트에 계획자 및 거주민 역할을 부여한다.
• 지역에 대한 초기 토지 이용 계획을 생성하고, 커뮤니티 내 거주민 토론을 시뮬레이션한다.
• 내부 원형 화자(inner-circle)와 외부 원형 청취자(outer-circle)를 교대로 포함시키는 피시볼 토론 메커니즘을 사용한다.
• 논의 이력을 요약하여 맥락을 관리 가능한 상태로 유지하고 계획을 그에 따라 업데이트한다.
• 지역을 커뮤니티로 분할하고 여러 토론 라운드를 실행하여 필요를 균형 있게 반영한다.
• 필요 무관(서비스, 생태) 및 필요 인식(만족, 포용) 지표를 사용하여 기준선과 비교 평가한다.

실험 결과

연구 질문

• RQ1 LLM 기반 에이전트가 계획자-거주민 참여형 계획 프로세스를 효과적으로 시뮬레이션할 수 있는가?
• RQ2 거주민 토론(피시볼 메커니즘 포함)이 다양한 거주민의 요구에 대한 정합성을 개선하는가?
• RQ3 LLM 기반 접근 방식이 서비스, 생태, 만족도, 포용성 측면에서 기준선 및 인간 디자이너와 어떻게 비교되는가?
• RQ4 토론 라운드의 증대가 계획 품질과 효율성에 어떤 영향을 미치는가?

주요 결과

• 제안된 방법은 두 데이터 세트(HLG 및 DHM)에서 필요 인식 지표(만족도 및 포용) 측면에서 최고 성능을 달성한다.
• HLG에서 만족도는 0.787, 포용은 0.773으로 여러 기준선을 능가한다; DRL은 필요 무관 지표에서 뛰어나지만 필요 인식 지표에서 저조하다.
• 필요 무관 지표에서 이 방법은 일반적으로 두 번째로 우수하며, 서비스와 생태 측면에서 인간 전문가를 능가하는 경우가 많다.
• 절삭 연구에서 역할 놀이와 토론 모두 성능에 기여하는 것으로 나타났으며, 둘 중 하나를 제거하면 필요 인식 지표가 각각 4.7–8.0% 및 4.1–6.3% 감소한다.
• 피시볼 라운드를 1에서 3으로 늘리면 만족도와 포용성이 눈에 띄게 개선되며 3회 이상에서는 수익 감소가 점차 완만해진다.
• 피시볼 메커니즘을 통해 대규모 거주민 인구에 대한 토론을 확장하면서도 합리적인 생태 거래를 유지한다.