Multi-Modal LLM과 XGBoost 모델을 활용한 축제 방문객 예측모델

초록

본 연구는 축제 방문객 수 예측과 축제 포스터 분석을 통해 축제 기획 및 운영의 효율성을 높이고자 하였다. 축 제는 지역의 경제, 사회, 문화적 가치를 창출하며 관광산업과 지역 활성화에 중요한 역할을 하지만, 방문객 수 예측과 홍보 전략 수립 과정에서 여전히 체계적이고 과학적인 접근이 부족한 상황이다. 실제로 예상 방문객 수가 실제보다 작게 예측되는 경우, 지자체는 축제를 통한 홍보 및 수익기회를 놓칠 수 있으며 실제보다 크게 예측하 는 경우, 과도한 축제 시설과 인력의 준비로 예산의 낭비가 초래될 수 있다. 이에 본 연구는 머신러닝 알고리즘 인 XGBoost를 활용하여 축제 방문객 수를 예측하는 모델을 개발하였으며, GPT-4o 모델을 사용해 축제 포스터 의 텍스트 데이터를 정량적으로 분석하였다. 연구 데이터는 개최 계절, 도 인구수, 배정 예산, 축제 기간, 포스터 설명 등 방문객 수에 영향을 미칠 수 있는 다양한 요인을 포함하여 구성되었다. 축제 포스터 분석에서는 GPT-4o 모델을 활용하여 포스터의 모양을 설명하게 하였으며, 축제의 정체성과 목표를 함축적으로 전달하는 슬로건의 효 과도 평가하였다. 이를 통해 슬로건과 포스터의 품질이 방문객 수 예측에 도움이 되는 것을 확인할 수 있었다. 이러한 연구 결과는 축제 기획자와 관련 이해관계자들에게 실질적인 가이드라인을 제공하며, 축제 산업의 발전 가능성을 높이는 데 기여할 수 있을 것이다.

키워드