本論文では、複雑な多モーダル交通システムにおける現実的な人間の移動行動をモデリングするためのアーキテクチャを提案し、フランスのトゥールーズでのケーススタディを通じて実証しています。大規模言語モデル（LLM）をエージェントベースのシミュレーションに適用し、実都市環境での意思決定を捉えました。このフレームワークは、GAMAシミュレーションプラットフォームとLLMに基づく生成エージェントを統合し、公共交通のGeneral Transit Feed Specification (GTFS)データとOpenTripPlannerを用いて多モーダルルーティングを行います。GAMAプラットフォームは、インタラクティブな交通環境をモデル化し、可視化と動的なエージェントの相互作用を提供します。シミュレーションの結果、エージェントは文脈に応じた交通決定を行い、時間とともに習慣を形成することが示されました。この研究は、知能交通システムと個別化された多モーダル移動ソリューションの発展に向けた有望な方向性を示しています。