SeoulMMOD: A Large-Scale Multimodal Origin-Destination Flow Benchmark¶
会议: NeurIPS 2026
arXiv: 2610.13730
OpenReview: https://openreview.net/forum?id=9Odwt5ID8o
代码: https://anonymous.4open.science/r/SeoulMMOD
领域: 时间序列
关键词: 起讫点流预测, 多模态城市出行, 时空基准, 跨年泛化, 空间可扩展性
一句话总结¶
构建了覆盖首尔市 3 年（2023–2025）、6 种交通方式、双层空间尺度（25 区与 426 亚区）的大规模多模态 OD 出行流基准 SeoulMMOD，基准评测 14 种预测模型并揭示了现有模型在细粒度空间扩展与朴素多模态联合建模上的关键局限。
研究背景与动机¶
起讫点（Origin-Destination, OD）流预测是城市智能交通管控、公交线网调度、轨道运营时刻表优化与共享运力动态调配的核心基础。然而，传统依赖入户出行调查与道路线圈断面的方式更新频率极低且采样稀疏，无法刻画动态的实时流转。近年来虽然基于单一运营商（如网约车平台或地铁刷卡记录）的动态 OD 数据集逐渐涌现，但绝大多数开源基准仅局限于单一交通方式或最多两种交通方式的局部网络。
这种局部模态视角的根本困境在于，城市交通需求的总量变化与跨方式转移在单一模态中相互交织、无法解耦。例如，当城市局部发生突发强降雨或轨道线路故障时，地铁客流量的骤降究竟是因为乘客整体取消了出行，还是因为客流向地面公交、网约车发生模式转移，单一数据源完全无法分辨。此外，已有基准受限于周级到月级的时间跨度，不仅无法评测气候演变与季节性跨年泛化能力，更缺乏行程耗时、行程距离、实时天气、节假日历与兴趣点（POI）等多维时空上下文的深度对齐。
为了填补城市级全模式全要素出行流基准的空白，研究团队基于首尔大都市区真实移动通信信令衍生数据，构建了迄今为止规模最大、模态最完备的城市级多模态 OD 流基准数据集 SeoulMMOD。核心 idea：通过对首尔市 2.6 万小时、两级空间粒度下的 6 种城市出行模态进行时空统一对齐，并深度融合行程耗时、距离、天气、日历与 POI 信号，构建首个支持长周期跨年评估与空间可扩展性检验的标准化多模态 OD 预测基准。
方法详解¶
整体框架¶
SeoulMMOD 构建了一套从电信信令数据到标准化时空预测张量的完整流水线，并建立了涵盖 14 种基线算法的统一评测架构。输入端聚合了首尔市 2023 至 2025 年共 1,096 天的逐小时移动流数据，经空间过滤与行政区划代码对齐后，形成区级（District, 25 节点、625 对）与亚区级（Sub-district, 426 节点、181,476 对）双层拓扑结构。多模态流张量涵盖地铁、干线公交、支线公交、步行、小汽车及其他共 6 类市内出行模态，并配准了平均行程时间、平均行程距离、逐小时行政区降雨量、多状态节假日标签与 20 类 POI 统计。
在预测任务设定上，采用标准的多步向前预测设定：给定过去 \(T\) 小时观测 \(\mathbf{X}_{t-T+1:t} \in \mathbb{R}^{T \times P \times M}\)（其中 \(P = Z^2\) 为 \(Z\) 个区域构成的 OD 对总数，\(M=6\) 为出行模态数），模型联合预测未来 \(H\) 小时的流量 \(\hat{\mathbf{X}}_{t+1:t+H}\)，评测跨度设为 \(H \in \{6, 12, 24\}\)。
%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
A["多源原始信号<br/>KT信令流 + 气象站降雨 + 日历 + 商业POI"] --> B["城市出行空间过滤与行政代码对齐<br/>首尔市内OD筛选 + 统一1小时网格 + 消除边界漂移"]
B --> C["双层时空拓扑张量构建<br/>25区（625对）/ 426亚区（181,476对）× 6种模态"]
C --> D["时空预测基线评测框架<br/>时空注意力 / 时空GNN / 矩阵解耦MLP / 通道时间序列"]
D --> E["多维度基准推演与诊断<br/>跨步长预测 + 空间扩展性压力测试 + 跨模态联合/单模对比 + 跨年季节泛化"]关键设计¶
1. 全模态解耦与时空多尺度网络构建：支撑城市级多粒度出行流动性建模
针对已有基准仅涵盖单模态或至多双模态、且无法在全城统一空间划分下对比的痛点，SeoulMMOD 严格筛选出 6 类市内出行模态（干线公交 metro bus、支线公交 local bus、地铁 subway、步行 walk、汽车 car、其他 other），排除了城际长途出行，并对 2023 至 2025 年间发生区划重命名与拆分的行政边界进行动态拓扑映射，确保全生命周期内 426 个亚区空间实体的唯一性与时间一致性。网络结构分析表明，不同模态具备截然不同的拓扑骨干特征：通过视差滤波（disparity filter）与 Louvain 社团检测分析，长途出行的汽车网络模块度低（\(Q=0.584\)，仅 7 个大簇），而步行网络呈现高度局部聚类特征（\(Q=0.852\)，多达 14 个小簇），有力验证了多模态联合建模在捕捉多尺度连通性上的必要性。
2. 辅助属性与上下文信号紧密配准：实现多维物理环境协同驱动
针对传统 OD 数据集缺乏行程属性与外部环境扰动变量的问题，SeoulMMOD 同步配准了每条 OD 记录的平均行程时间与距离，并整合了三套异构上下文特征：一是覆盖全部 1,096 天的工作日/周末/韩国法定节假日多状态日历；二是来自首尔自动气象观测网（AWS）的区级逐小时降雨强度序列；三是细分为交通枢纽、商业休闲、公共卫生、教育 4 大组共 20 类的静态 POI 分布。实证相关性分析显示，暴雨（\(>10\text{ mm/h}\)）发生时步行比例下降而地铁分担率上升至 22.42%；地铁站密度与地铁到达分担率呈现强正相关（\(r=+0.458\)），为探索基于物理属性与环境驱动的上下文预测模型提供了强有力支撑。
3. 模块化评测套件与可扩展性瓶颈剖析：揭示大尺度时空图计算崩溃挑战
基准统一接入 BasicTS 生态，将 14 种代表性算法划分为四大流派进行横向对比：扁平时空图/注意力模型（如 STAEformer、STID、AGCRN、Graph WaveNet、MTGNN）、成对多变量时间序列模型（如 iTransformer、SOFTS、MTSMixer、TimeMixer）、显式保持 \(Z \times Z\) 矩阵结构的图卷积/MLP 模型（如 MPGCN、ODCRN、ODMixer）以及非参数启发式基线（HA、LV）。在区级到亚区级（OD 对由 625 剧增至 181,476）的跨尺度拓展实验中，论文深入剖析了计算架构的理论瓶颈：显式维护 \(Z \times Z\) 矩阵激活张量的时空图模型在 \(Z=426\) 时显存直接爆炸（OOM）；而将每个 OD 对作为独立序列处理的时间序列架构虽然避开了大图激活存储，却因样本序列数量膨胀近 300 倍导致单轮训练耗时突破 1 小时上限（Time-Exceeded, TE）。
损失函数 / 训练策略¶
所有深度学习基准算法在统一的数据集划分（2024 年内 70% 训练集、10% 验证集、20% 测试集；跨年泛化则为 2024 全年训练、2025 全年测试）下优化。采用 Adam 优化器，最大轮数 100 轮并配置 10 轮的早停机制（Early Stopping）。损失函数统一采用屏蔽均方误差（Masked MAE Loss），仅对流量大于 0 的有效出行网格施加梯度反向传播。预测指标统一还原为真实出行人次绝对尺度，评测平均绝对误差（MAE）、均方根误差（RMSE）以及加权平均绝对百分比误差（wMAPE）： $$ \text{wMAPE} = \frac{\sum_{t, p, m} |y_{t,p,m} - \hat{y}{t,p,m}|}{\sum $$} |y_{t,p,m}|
实验关键数据¶
主实验¶
在 2024 年测试集上，针对 24 小时向前预测任务（\(24\text{h} \to 24\text{h}\)）的主流算法表现如下表所示（上段为 25 区尺度，下段为 426 亚区尺度）：
| 空间尺度 | 模型 | MAE (人次) | RMSE (人次) | wMAPE (%) | 24h单轮耗时 / 100轮估算 |
|---|---|---|---|---|---|
| 区级 (625对) | Historical Average (HA) | 22.8 | 111.8 | 10.5% | — / — |
| 区级 (625对) | Latest Value (LV) | 139.0 | 678.8 | 63.9% | — / — |
| 区级 (625对) | STAEformer | 21.4 | 92.9 | 9.8% | 83s / 2.3h |
| 区级 (625对) | STID | 24.6 | 111.7 | 11.3% | 3.2s / 0.09h |
| 区级 (625对) | AGCRN | 30.4 | 178.9 | 14.0% | 21s / 0.57h |
| 区级 (625对) | Graph WaveNet | 27.6 | 118.8 | 12.7% | 31s / 0.86h |
| 区级 (625对) | MTGNN | 27.4 | 120.1 | 12.6% | 14s / 0.38h |
| 区级 (625对) | iTransformer | 25.3 | 119.3 | 11.7% | 160s / 4.4h |
| 区级 (625对) | ODMixer | 51.9 | 378.0 | 23.9% | 6.8s / 0.19h |
| 亚区级 (181,476对) | Historical Average (HA) | 0.475 | 2.80 | 63.5% | — / — |
| 亚区级 (181,476对) | Latest Value (LV) | 0.820 | 10.9 | 109.6% | — / — |
| 亚区级 (181,476对) | STID | 0.442 | 4.81 | 59.2% | 1820s / 50.5h |
| 亚区级 (181,476对) | ODMixer | 0.485 | 6.96 | 64.9% | 540s / 15.0h |
| 亚区级 (181,476对) | STAEformer / GNN类 | — | — | — | OOM (显存溢出) |
| 亚区级 (181,476对) | iTransformer / Mixer类 | — | — | — | TE (>1h/epoch 超时) |
消融与深度分析实验¶
论文针对多模态建模机制中的核心假设——“多模态联合训练优于单模态独立训练”进行了深度消融（以区级 24h 预测 MAE 评估，\(\Delta = \frac{\text{Sep} - \text{Joint}}{\text{Joint}}\)）：
| 模型 | 联合训练 MAE (Joint) | 独立模态训练 MAE (Sep) | 相对误差变化率 (\(\Delta\)) | 表现更优设置 |
|---|---|---|---|---|
| STID | 24.63 | 20.34 | -17.4% | 单模态独立训练大幅领先 |
| AGCRN | 30.37 | 26.13 | -14.0% | 单模态独立训练大幅领先 |
| STAEformer | 21.37 | 20.20 | -5.4% | 单模态独立训练轻微领先 |
| MTGNN | 27.40 | 23.91 | -12.7% | 单模态独立训练大幅领先 |
在进一步的跨年泛化与外部上下文消融中，在 2024 年训练的模型迁移至 2025 年测试时均发生不同程度的性能衰退（STAEformer MAE 增加 +20.89%，iTransformer 泛化表现最稳健，MAE 仅增加 +10.86%）。在 STID 中注入外部上下文特征时，日历编码在 24h 长期预测下降低 1.39 MAE，气象与 POI 分别带来 0.49 MAE 的改善。
关键发现¶
- 朴素多模态联合训练带来负迁移：在所有 4 种代表性时空模型中，简单把 6 个模态当作输入通道联合训练的效果普遍显著劣于为每个模态单独训练一个独立模型（平均误差反而增加 5.4% 至 17.4%）。这是由于不同交通工具的客流规模、稀疏性、峰谷模式和空间连接差异极大，统一通道表征缺乏模式解耦机制，导致表征容量相互挤压。
- 空间尺度跃升导致现有算法集体失效：区级尺度表现优秀的模型在细粒度亚区级几乎全军覆没。GNN 依赖的大尺度拓扑稠密邻接矩阵显存激增，时序变换器因序列数目呈平方级扩张无法按时完成训练，唯有轻量级空间-时间标识模型 STID 与轻量 MLP 架构 ODMixer 能够勉强完成收敛。
- 强周期性使非参数基线具备极强竞争力：历史平均法（HA）凭借按周内小时索引的查找表，在区级尺度表现仅比最强的深度模型 STAEformer 差 6.1%，并在地铁、干线公交与小汽车模态上甚至击败了多数复杂深度模型。
亮点与洞察¶
- 首次构建了长达 3 年、全模态、多尺度的超大规模城市出行基准，彻底解决了传统时空交通预测评测中数据切片过短（仅数周或单月）及单模态导致的需求转移与总量变化无法分辨的问题。
- 深刻揭示了学术界在时空图神经网络领域忽视的显存与吞吐瓶颈：当前多数所谓 SOTA 时空图结构只能运行于数百个节点的玩具级粗粒度网络，面对 18 万对的真实城市级细粒度网络时可扩展性极差。
- 为通用时空预测提供了重要的系统级设计启示：多任务多模态出行流预测必须采用分层多任务学习或自适应模态解耦路由，而非直接沿用通道堆叠或盲目堆叠深度注意力。
局限与展望¶
- 数据源单一电信运营商的统计偏差：尽管数据提供方（KT 与首尔市政府）基于人口普查与市场份额进行了人口扩展重加权，但仍无法完全消除特定年龄群体、外来访客或不同手机使用习惯引起的结构性偏差。
- 单城市泛化边界未知：首尔市拥有全球极高密度的轨道交通与公交一体化网络，其出行模式、高分担率公共交通特征可能无法直接推演至以私家车为主导的欧美城市拓扑。
- 未来方向：亟需探索能够适配 10 万级以上 OD 对的稀疏时空图架构、开发显式解耦跨方式出行转移机制的深度生成模型。
相关工作与启发¶
- vs Zhang et al. (BJ / NYC 多模态基准): 既有工作仅包含地铁-公交或地铁-单车等两两配对模态，且时间跨度仅有 84 天或数周；本文全面覆盖 6 种出行方式并横跨完整 3 年，提供端到端全口径出行流。
- vs HZMOD / SHMOD (地铁 OD 数据集): 仅局限于城市地铁站点刷卡网络（小于 300 节点），缺乏地面公交、步行与机动车网格的交互关联；本文将全模态映射至统一行政网格并对齐气象与商业 POI。
- vs 静态通勤数据集 (LODES / 手机信令静态矩阵): 静态数据仅提供单一跨年度平均出行矩阵；本文提供 1 小时连续动态时间分辨率，支持日内高峰与周内动态调度。
评分¶
- 新颖性: ⭐⭐⭐⭐☆ 首次提出覆盖 6 类出行模态、双层空间尺度且跨度长达 3 年的城市级全口径 OD 预测基准。
- 实验充分度: ⭐⭐⭐⭐⭐ 评测 14 种基线算法，横跨 3 种预测步长、2 级空间粒度、多模态联合对比及跨年泛化分析。
- 写作质量: ⭐⭐⭐⭐⭐ 结构清晰严谨，问题动机直击痛点，实验设计扎实客观。
- 价值: ⭐⭐⭐⭐⭐ 为城市智能交通系统、时空多变量预测与大尺度时空图计算社区提供了极具挑战性的真实基准测试床。