不用地图也能规划公交路线？| TransitLM：首个大规模端到端公交路线生成数据集与基准

魔搭ModelScope社区

18人浏览 · 2026-06-04 14:39:12

魔搭ModelScope社区 · 2026-06-04 14:39:12 发布

问题背景

公交路线规划是城市出行的基础能力。但你可能没想过，每天你用的「公交导航」背后，是一套极其复杂的工程体系。

图1：传统方案（上）流程冗长；通用LLM（左下）产出断裂路线与幻觉站点；TransitLM（右下）通过隐式空间定位，端到端生成结构完整的连通路线。

传统方案：重依赖、长链路

传统公交规划依赖完整的地图基础设施——站点拓扑图、实时时刻表、寻站策略等等——再经由候选召回、多目标排序等多级管线输出结果。

让大模型来做？准确率堪忧

既然LLM拥有强大的推理和世界知识，能否直接做路线规划？我们实测了六大最强通用模型（GPT-5.4、DeepSeek-V4、Gemini-3.1、Claude-4.6、Qwen-3.6、Doubao），结果令人失望：

最佳连通率仅75.5%，精确匹配仅40.2%
去掉文字仅给GPS坐标后，精确匹配暴跌至%，完全不具备空间定位能力

结论很明确：通用LLM缺的不是推理能力，而是公交网络的领域拓扑知识。

工具增强（LLM + 路径API）？依然复杂

另一条路是让LLM调用路径引擎API获取候选路线再做选择。但这并未真正简化问题：

地图基础设施依赖未消除（仍需路径引擎做候选召回）
需要粗排/截断防止候选上下文过长导致LLM性能劣化
多轮API调用引入网络延迟与配额限制

本质上只是把「路线生成」降级为「路线选择」，工程复杂度未真正降低。

我们的思路：端到端，从数据中直接学会路线规划

核心问题：路线规划能否从数据中直接学会，完全绕开地图和引擎？

如果答案是肯定的，我们将获得：

特性	说明
流程极简	输入用户查询 → 直接输出完整路线JSON，无中间环节
隐式空间理解	模型从数据中学会GPS坐标与站点的映射关系，无需显式地理数据库（核心发现）
偏好感知	兼顾LLM灵活性，支持自然语言需求（地铁优先/少换乘/最短时间等）
小模型即可	4B参数足够，部署成本与推理延迟大幅降低
无外部依赖	不需要地图API或网络调用

如何实现？

通用大模型缺乏公交网络知识，但这些知识实际上大量存在于导航平台的路线规划日志中——每一条日志都完整记录了换乘逻辑、站点序列、空间关系和用户偏好。我们证明，路线规划完全可以从数据中学会。更进一步，模型在训练过程中涌现了隐式空间定位能力——仅给定原始GPS坐标，无需任何地理数据库或坐标-站点映射表，模型即可精确定位到最近的公交站点并生成完整路线。

基于这一洞察，我们的方法包含三个关键设计：

1、站点即Token：从根源消灭幻觉

我们将全部 120,845个站点ID 注册为模型词表中的独立 token。这一设计带来两个好处：其一，模型只能输出真实存在的站点，从根源消除幻觉站点；其二，站点作为独立 token 参与注意力计算，模型可以直接从共现模式中学习站点间的连通关系——频繁相邻出现的站点对自然获得更高的关联强度，从而在表示层面建立起网络拓扑，大幅降低生成断连路线的概率。

2、两阶段训练：CPT + SFT

继续预训练（CPT）：在 13.9M 条路线规划文本上做 next-token prediction，让模型学习到可泛化的网络拓扑表示、站点空间关系和换乘逻辑——这不是死记硬背见过的路线，而是真正学会了网络结构。
监督微调（SFT）：在三种规划任务上做 prompt→label 对齐，适配具体使用场景。实践中，同一个CPT模型可根据不同业务需求灵活扩展新任务，无需重新训练底座。

3、轻量骨干

Qwen3-4B-Base 作为基座模型，4B 参数即可完成全部任务。甚至 0.6B 模型仍能取得可用效果（连通率 93.5%），使得移动端离线部署成为可能。

图2： TransitLM 方法总览。左侧为数据来源（路线规划日志、站点信息、线路信息）；中间为三个Benchmark任务与评测体系；右侧为训练流程（词表扩展 + CPT + SFT）。

数据集与Benchmark

为了推动社区在这一方向的研究，我们开源了完整的数据集与评测基准。

数据集规模

图3：数据集中四个城市路线规划出发地的地理分布

维度	数据
规划记录	1,300万
覆盖城市	北京、上海、深圳、成都
站点数	120,845
线路数	13,666
CPT语料总量	200亿+ token
数据来源	高德地图生产路径引擎输出

三个 Benchmark 任务

任务	说明	训练/测试
最优路线生成（ORG）	给定起终点，生成一条最优路线	3万 / 1万
偏好感知规划（PRG）	额外指定偏好（地铁优先/少换乘等），生成满足约束的路线	3万 / 1万
多路线生成（DRG）	一次生成三条差异化路线供用户选择	3万 / 1万

PS：对于未使用我们数据集训练及未采用对应站点ID体系的模型，我们提供了统一的评测 API 接口以确保公平比较，详见 GitHub。

评测指标一览

我们设计了覆盖四个维度的 10项评测指标，确保全面衡量路线质量：

评测维度	指标	衡量内容
最基本的连通性	Connectivity	生成的站点序列是否实际可达（相邻站在同一线路或合法换乘）
起终点上下车站的合理性	Station Grounding	上/下车站是否在起终点合理范围内（验证空间定位能力）
	Distance Plausibility	预测的接驳距离是否物理合理
路线质量	Line/Station Overlap	生成路线与用户实际行走路线的线路/站点序列匹配度
	Route Exact Match	与用户实际行走路线/站点完全一致的比例
路线相关预测数值的准确度	Estimation Accuracy / MAPE	距离、时间、费用的预测精度
PRG和DRG特有指标	Preference Compliance	是否满足用户指定偏好
	Route Diversity	多路线之间的差异性

实验结果

主实验：端到端无地图路线规划可行

Qwen3-4B 在三个Benchmark任务上的核心指标：

连通率 ≥ 93%：生成的路线绝大多数结构完整、可实际行走
站点定位 ≥ 96%：上/下车站几乎都在起终点合理范围内
精确匹配达 71.0%：超七成路线与用户实际行走路线完全一致
MAPE < 1.4%：距离、时间、费用预测误差极小

三任务联合训练的 Joint 模型达到全局最优（73.7% 精确匹配），且三个任务之间完全没有负迁移——证明 CPT 阶段学到的公交网络知识是任务无关的，可支撑多种规划场景的统一部署。

vs 通用大模型：短板在数据，不在规模

我们对比了六大最强通用模型（GPT-5.4、DeepSeek-V4、Gemini-3.1、Claude-4.6、Qwen-3.6、Doubao），并且降低了评测难度（只需预测上下车站，而我们的模型需要生成完整中间站序列）：

最佳表现（Gemini-3.1）：75.5% 连通率，40.2% 精确匹配
我们最小的 0.6B 模型（62.1% 精确匹配）已全面超越所有通用模型

结论：性能瓶颈在于领域数据而非模型规模。数据才是关键推动力。

💡 核心发现：隐式空间定位能力涌现

这是本文最重要的发现之一。我们设计了一个极端测试：去掉输入中的所有文字信息（起终点名称、查询语句），仅保留原始GPS坐标作为输入。

这说明什么？

通用模型依赖文字语义推断空间位置，一旦去掉文字就完全丧失定位能力
TransitLM 从数据中学会了GPS坐标与站点的空间映射关系，无需任何显式坐标-站点映射表或地理数据库
这种空间理解能力是纯粹从训练数据中涌现的，并非显式设计

vs 工具增强方案：纯生成媲美生产级管线

最强的工业替代方案是让LLM调用高德地图路径引擎API获取候选路线，再从中选择最优。结果：

工具增强方案：71.7%~74.4% 精确匹配
TransitLM 纯生成：73.7%，性能持平

关键差异：

TransitLM 输出完整中间站序列（更难的任务），工具增强仅需选择上下车站
TransitLM 无外部依赖、无网络延迟、无配额限制
单模型端到端推理，部署复杂度降低一个数量级

结论：CPT让模型学到的路线规划知识，等效于一套生产级路径引擎。

数据规模效应

我们测试了不同 CPT 数据量的影响：

6.25% 数据：已达 94% 连通率、49.9% 精确匹配——证明端到端方案在小数据量下即具备实用性
100% 数据：性能单调递增，未观察到饱和，扩大数据规模仍有空间

这揭示了一个清晰的学习层次：基础拓扑（连通性）最先学会，精确路线匹配和数值标定需要更密集的数据覆盖。同时也证明，这种路线规划能力的学习并不需要大量数据堆砌——6.25%的数据即可达到实用水平，降低了该方案的落地门槛（仅需论文配置训练不到一天）。

更多实验详情见论文：https://arxiv.org/abs/2605.22355

局限与未来工作

当前局限

无法处理网络动态变化。数据集记录的是静态网络快照，无法反映新开线路、站点撤销或临时调整。目前网络变更的唯一方式是在包含新实体的数据上重新训练。
无法融合实时交通信息。模型不感知实时拥堵、临时停运等动态状态，生成的路线基于历史平均而非当前实况。
地理覆盖有限。目前仅覆盖四座城市（12万站点），而全国公交网络约有 180 万站点。扩展至全国规模将带来词表线性增长的内存与计算开销，该规模下的有效性仍待验证。