SeoulMMOD:大规模多模态起讫点流量基准
SeoulMMOD: A Large-Scale Multimodal Origin-Destination Flow Benchmark
精选理由
提供首个覆盖六种出行方式的首尔大规模 OD 基准,助力评估城市多模态交通预测与跨年泛化能力。
AI 摘要
arXiv:2610.13730v1 公告类型:新投稿 摘要:起讫点(OD)流量预测通过预测城市范围内人员流动的规模和模式,为城市出行决策提供支持。现有大多数公开 OD 基准仅提供全市出行的局部视图,涵盖单一交通服务或至多两种出行方式。在出行方式覆盖不完整的情况下,很难区分观测到的需求变化究竟源于交通方式之间的转移,还是出行总量的变化。我们提出 SeoulMMOD,这是一个面向首尔全市多模态出行的大规模公开基准。SeoulMMOD 提供了覆盖三年的逐小时 OD 流量数据,用于估计 25 个区和 426 个下辖行政区域内 6 种城市出行方式的总出行量,并配有出行时间、出行距离、日历、降雨量和兴趣点(POI)信号。利用 SeoulMMOD,我们在统一协议下评测了 14 个预测基线,并分析了空间尺度变化、联合训练与按出行方式分别训练,以及跨年泛化的影响。结果表明,若干在区级尺度上有效的时空模型无法扩展到下辖行政区域级别的 OD 预测,而简单的多出行方式联合训练也不能稳定地提高准确性。该数据集与基准共同构建了一个可复现的测试平台,用于城市尺度下多出行方式、跨多年的 OD 预测。