Design and Implementation of a Web GIS Interface Supported by Generative AI Based on Large Language Models(LLMs)

Cha Yong Ku

doi:10.22905/kaopqj.2026.60.3.3

All Issue

2026 Vol.60, Issue 3 Preview Page Next Page

Design and Implementation of a Web GIS Interface Supported by Generative AI Based on Large Language Models(LLMs) 대규모 언어 모델(LLM)에 기반한 생성형 AI 지원 웹 GIS 인터페이스 설계 및 구현

30 September 2026. pp. 209-219

PDF XML

Abstract

With recent advancements in Generative Artificial Intelligence(AI), the paradigm of spatial information processing is rapidly transitioning from GeoAI to Generative GeoAI(GeoAGI). This study develops an interface that integrates Large Language Models(LLMs) with Web GIS and presents an empirical case study of implementing a spatial information service based on this architecture. To accomplish this, a three-tiered system architecture consisting of a Frontend Client View, a Backend Orchestrator, and an LLM API was designed, and a Generative AI-supported tourist information Web GIS service was implemented using national tourist attraction datasets. The system realizes real-time interaction by combining user requests in natural language commands with structured prompts within the Backend Orchestrator, transmitting them to the LLM, and parsing the response back in JSON format. Based on the reasoning output generated by the LLM, the Web GIS automatically identifies the spatial extent of the search results and dynamically adjusts the camera viewport accordingly. This study contributes to lowering the technical barriers to entry for spatial information utilization—eliminating the need for complex GIS-specific menu operations or spatial SQL queries—and empowering mainstream spatial decision-making through natural language commands.

Keywords

Generative AI

Large Language Model(LLM)

GeoAGI

Web GIS

Tourist Attraction

Prompt Engineering

최근 생성형 인공지능(Generative AI)의 급격한 발달에 따라 공간정보 기술의 패러다임이 GeoAI에서 GeoAGI로 전환되고 있다. 본 연구는 대규모 언어 모델(LLM) 기반의 생성형 인공지능과 웹 GIS를 연동하는 대화형 인터페이스를 개발하고, 이를 적용한 공간정보 서비스 구축 사례를 제시하였다. 클라이언트 뷰, 백엔드 오케스트레이터, LLM API의 3계층 구조로 시스템 아키텍처를 설계하였으며, 국내 관광명소 공간 데이터를 적용하여 생성형 AI 지원 관광정보 웹 GIS 서비스를 구현하였다. 백엔드 오케스트레이터는 사용자의 자연어 명령어를 프롬프트 엔지니어링 기법과 결합하여 LLM으로 전송하고, 정형화된 JSON 데이터로 파싱 및 반환하는 실시간 파이프라인을 구축하였다. LLM 추론 결과에 기반하여 웹 GIS 상에서 검색된 공간 영역을 동적으로 인식하고 지도의 중심과 줌 레벨을 자동 조정하는 기능도 통합 구현하였다. 본 연구는 복잡한 GIS 전용 메뉴 조작이나 공간 SQL 작성 없이 자연어 명령만으로 공간 데이터를 검색하고 시각화할 수 있도록 함으로써, 생성형 AI를 이용하여 공간정보를 처리하는 사례를 제시하고 향후 자연어 처리를 이용한 공간정보 서비스 개발에 기여하고자 한다.

키워드

생성형 AI

대규모 언어 모델(LLM)

GeoAGI

웹 GIS

관광명소

프롬프트 엔지니어링

References

강영옥, 2023, “GeoAI 활용 분야와 연구 동향,” 대한지리학회지 58(4): 395-418.

강전영･김민준･이원도, 2023, “생성형 인공지능 서비스로 살펴본 지방소멸 위기 대응과 한계점: ChatGPT와 Bard를 활용하여,” 국토지리학회지 57(4): 477-490.

10.22905/kaopqj.2023.57.4.9

구자용, 2026, “공간정보 웹 서비스에서 줌 레벨에 따른 지도 표현 기법 연구: 국가지정 유산 자료를 사례로,” 국토지리학회지 60(1): 61-71.

10.22905/kaopqj.2026.60.1.5

김동은･강영옥, 2019,“LSTM을 활용한 불법주정차 시공간 예측 모델링: 서울시 민원신고 데이터를 중심으로,” 대한공간정보학회지 27(3): 39-47.

10.7319/kogsis.2019.27.3.039

이창규･김다정･김현종･최진무, 2025, “LLM을 활용한 지리공간분석 서비스 구현,” 2025년 대한지리학회 연례학술대회 발표 논문 요약집 180-181.

이창희･윤예린･배세정･어양담･김창재･신상호･박소영･한유경, 2021, “국내학회지 논문 리뷰를 통한 원격탐사 분야 딥러닝 연구 동향 분석,” 한국측량학회지 39(6): 351-370.

조성진･김강민･황태건･강전영, 2026, “생성형 AI 기반 공간정보 기술(GeoAGI)의 진화: 문헌 고찰을 통한 추진 전략”, 대한지리학회지 61(1): 55-68.

Akinboyewa, T., Z. Li, H. Ning, and M. N. Lessani, 2025, GIS copilot: Towards an autonomous GIS agent for spatial analysis, International Journal of Digital Earth 18(1): 2497489.

10.1080/17538947.2025.2497489

Biljecki, F. and K. Ito, 2021, Street view imagery in urban analytics and GIS: A review, Landscape and Urban Planning 215: 104217.

10.1016/j.landurbplan.2021.104217

Li, Z. and H. Ning, 2023, Autonomous GIS: The next-generation AI-powered GIS, International Journal of Digital Earth 16(2): 4668-4686.

10.1080/17538947.2023.2278895

Ning, H., Z. Li, T. Akinboyewa, and M. N. Lessani, 2025, An autonomous GIS agent framework for geospatial data retrieval, International Journal of Digital Earth 18(1): 2458688.

10.1080/17538947.2025.2458688

Wei, C., Y. Zhang, X. Zhao, Z. Zeng, Z. Wang, J. Lin, Q. Guan, and W. Yu, 2025, GeoTool-GPT: A trainable method for facilitating Large Language Models to master GIS tools International Journal of Geographical Information Science 39(4): 707-731.

10.1080/13658816.2024.2438937

Information

Publisher :The Korean Association of Professional Geographers
Publisher(Ko) :국토지리학회
Journal Title :국토지리학회지
Journal Title(Ko) :THE GEOGRAPHICAL JOURNAL OF KOREA
Volume : 60
No :3
Pages :209-219
Received Date : 2026-08-24
Revised Date : 2026-08-28
Accepted Date : 2026-08-31
DOI :https://doi.org/10.22905/kaopqj.2026.60.3.3

국토지리학회지 ISSN:1225-3766(Print) THE GEOGRAPHICAL JOURNAL OF KOREA

All Issue