음성 인식 AI와 대규모 언어 모델(LLM)을 활용한 지능형 역무 자동화 시스템 설계에 관한 연구 = A Study on the Design of Intelligent Station Service Automation System Using Speech Recognition AI and Large Language Models (LLM)

국문 초록 (Abstract)

본 연구는 도시철도 역사 내 승객 편의성 증진과 역무 효율성 제고를 위해, 최신 인공지능 기술인 대규모 언어 모델(LLM)과 음성 인식 기술을 결합한 지능형 역무 자동화 시스템을 제안한다. 기존의 터치스크린 기반 고객안내기는 단순 광고 송출 등 단방향 정보 제공에 머물러 있다. 특히, 물리적 접촉이 필수적인 인터페이스는 교통 약자의 접근성을 저해할 뿐만 아니라, 실질적인 민원 해결은 역무원 호출에 의존해야 하는 구조적 한계를 가진다. 이러한 문제를 해결하기 위해 본 연구에서 는 음성 대화형 인터페이스(VUI)를 기반으로 하는 단일 프로세스 파이프라인 아키 텍처를 설계 및 구현하였다. 제안 시스템은 Google Gemini 2.0 Flash 모델을 핵심 추론 엔진으로 활용하며, 부산도시철도의 방대한 역무 매뉴얼과 규정을 인메모리 기반의 검색 증강 생성 (RAG) 기술을 통해 문맥으로 주입하여 환각(Hallucination) 현상을 억제하고 정확 한 도메인 지식을 제공한다. 특히 역사 내 고소음 환경에서의 인식률 저하 문제를 극복하기 위해 에너지 기반의 동적 발화 감지(VAD) 알고리즘을 적용하였으며, 실 험 결과 평균 소음도 80dBA 이상의 고소음 환경에서도 기존 고정 임계값 방식 대 비 약 40% 향상된 음성 인식률(WER)을 달성하였다. 또한, 외부 벡터 데이터베이스 검색 과정을 생략한 최적화된 아키텍처를 통해 전 체 시스템 응답 지연 시간(Latency)을 평균 2.8초로 단축하여 실시간 대화형 역무 응대 서비스로서의 실효성을 입증하였다. 본 연구는 고비용의 서버 인프라 없이도 클라우드 API와 경량화된 소프트웨어 설계만으로 현장 적용 가능한 수준의 지능 형 안내 시스템을 구현했다는 점에서 공학적 의의를 가지며, 향후 스마트 역무 자 동화의 실질적인 모델을 제시한다.

다국어 초록 (Multilingual Abstract)

This study proposes an intelligent station service automation system combining Large Language Models (LLM) and speech recognition technology to enhance passenger convenience and operational efficiency. Conventional touchscreen kiosks are limited by unidirectional information delivery and physical contact requirements, which hinder accessibility and necessitate personnel intervention for complex inquiries. To address these issues, this study designed and implemented a single-process pipeline architecture based on a Voice User Interface (VUI). The proposed system utilizes the Google Gemini 2.0 Flash model as a core inference engine. It injects extensive station manuals and regulations as context through in-memory Retrieval-Augmented Generation (RAG) technology, thereby mitigating hallucinations and providing accurate domain-specific knowledge. In particular, to overcome the degradation of recognition rates in high-noise station environments, an energy-based Dynamic Voice Activity Detection (VAD) algorithm was applied. The proposed system achieved approximately a 40% improvement in Word Error Rate (WER) compared to the conventional fixed-threshold method, even in high-noise environments exceeding 80 dBA. Furthermore, by employing an optimized architecture that omits the external vector database retrieval process, the total system latency was reduced to an average of 2.8 seconds, validating its effectiveness as a real-time interactive station service. This study holds engineering significance by implementing a field-deployable intelligent guidance system using only cloud APIs and lightweight software design without high-cost server infrastructure, thereby presenting a practical model for future smart station automation.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1.1. 연구의 배경 및 필요성 1
• 1.2. 연구 목적 2
• 1.3. 연구 범위 및 방법 3
• 1.4. 논문의 구성 4
• Ⅱ. 이론적 배경 및 관련 기술 5
• 2.1. 인공지능 기반 음성 인터페이스 기술 5
• 2.2. 역무 자동 응대를 위한 핵심 기능별 기술 동향 분석 7
• 2.3. 기존 안내 시스템의 한계 및 본 연구의 차별성 11
• Ⅲ. 시스템 설계 13
• 3.1. 시스템 개요 13
• 3.2. 시스템 아키텍처 16
• 3.3. 핵심 기술 스택 및 선정 사유 17
• 3.4. 시스템 흐름도 18
• 3.5. 모듈별 상세 설계 20
• 3.6. 시스템 요구 사항 22
• Ⅳ. 시스템 구현 및 연구 결과 24
• 4.1. 시스템 구현 24
• 4.2. 연구 결과 및 성능 평가 27
• Ⅴ. 결 론 37
• 5.1. 연구 요약 및 시사점 37
• 5.2. 연구의 한계 및 향후 과제 38
• 참고 문헌 40
• 부록 42