A Large-scale Benchmark Dataset for Commuting Origin-destination Matrix Generation

学会纽约的通勤，为什么未必画得出一座小镇？

论文名片｜Can Rong、Jingtao Ding、Yan Liu、Yong Li，A Large-scale Benchmark Dataset for Commuting Origin-destination Matrix Generation，NeurIPS 2024 Datasets and Benchmarks。本文依据arXiv:2407.15823v3，2024年7月24日版本，含附录方法与实验设置。

假设一个模型很会估计大城市的上班人流：它知道密集住宅区与商业中心之间通常有很强的联系。把它拿到小镇或乡村，分散的居住和就业地点却可能完全不符合它熟悉的样子。模型预测错了，问题未必只是神经网络不够复杂，也可能是它从来没有见过足够多不同地方。

这篇论文把数据规模扩展到美国3,233个区域，并把每片区域的整张通勤矩阵作为一个图样本。它提出的核心改变，是让模型从许多不同区域学习通勤网络的整体结构，再为缺乏历史流量的地方生成候选矩阵。

先说结论

• 数据以县级边界定义研究区域，以人口普查区（census tract）作为内部单元，提供2018年通勤OD矩阵、97维人口社会经济特征和36类兴趣点计数。
• 基准中，图扩散模型WeDAN的平均CPC为0.593，对照中较好的DiffODGen为0.532；RMSE由74.6降至68.6。提升针对本文数据和实验设置，不是所有国家、年份或交通需求的通用精度。
• 把流量当作整张有向加权图共同生成，有助于刻画不同流量之间的关系；这比逐个OD独立预测更能保留网络结构，但不自动保证所有规划约束成立。
• 测试地区没有历史OD输入，仍需要人口、设施、距离等条件。生成的是统计上的居住—工作联系，不是逐时通勤、路线、交通方式或拥堵本身。

先把研究对象说清：3,233个区域不是3,233座大城市

每个研究区域对应一张N×N矩阵，N是内部普查区数量。矩阵的第i行、第j列表示住在i区、工作在j区的联系规模。区域边界与内部地理单元均提供坐标与多边形，单元间距离用形心之间的平面欧氏距离计算。

人口、年龄、收入、教育等97维特征来自美国社区调查（ACS）；36类设施计数来自OpenStreetMap。通勤标签来自2018年LODES，即美国长期雇主—住户动态项目的居住地与就业地统计。它能提供住宅与工作地点的结构，却不表示观察到了每天实际走了几次、几点出门或走哪条路。

把县当作样本边界，也会截断跨县联系。区域内矩阵适合研究这个边界内的通勤结构，不能自动替代跨县都市圈的完整交通需求。原文所说的都会、城镇与乡村，是样本多样性的描述，不能把每个县都直接改称城市。

图 1｜为什么训练集也需要覆盖不一样的地方？

原图没有字母。上半部表示从一个或少数地区训练模型，再迁移到目标地区，遇到不同结构可能失效；下半部表示用多种区域共同学习，再生成不同目标地的矩阵。图是研究设计示意，不是任意单城训练都不能迁移的证明。来源：原论文 Fig. 1。

论文表1对比既有研究的数据规模、地理覆盖与开放性。新数据报告覆盖3,233个区域、约937万平方公里，较过去集中于少数大城市的数据更广。覆盖更广增加了可以检查的场景，却不等于每种人口或就业类型都已无误差记录。美国人口普查局的方法说明明确指出，LODES采用噪声注入和合成技术保护就业与居住信息。因此，不能把行政统计来源进一步推成零误差真值。

地方之间究竟差在哪些通勤特征？

图 2｜同一套模型需要面对多大的结构差异？

（a）各研究区域内部普查区数量N的频数分布；（b）各区域平均出行距离d的分布，单位公里；（c）各区域内部流入、流出强度差异的方差分布。三图分别说明单元数量、空间尺度与内部不均衡程度的差异。横轴不是同一种量，不能只按分布形状互相替换解释。来源：原论文 Fig. 2。

图 3｜一张流量矩阵可以对应怎样不同的空间形态？

（a）亚利桑那州Maricopa，用作单中心案例；（b）加利福尼亚州Alameda，用作多中心案例；（c）加利福尼亚州Contra Costa，用作较均匀分布案例。连线表达OD联系的空间分布。这些案例说明矩阵结构的差异，不是在证明三个地方的全部出行都由一种中心形式决定。来源：原论文 Fig. 3。

图 4｜规模不同，强弱通勤联系的分布是否仍有共性？

（a）OD边权的累积分布，横轴为联系流量，纵轴为累积概率；颜色区分普查区数量不同的区域组。（b）以对数尺度展示区域总流出量的分布，横轴标为Outflows。原图把这一面板称为node degrees，但按轴与正文关注量，应读成流出强度，而不是一个节点有多少条非零连接。曲线既有差别，也表现长尾共性；图形相似不能单独证明完全相同的幂律机制。来源：原论文 Fig. 4。

这些差异解释了为什么只拿一座大城市作训练材料不够。模型不仅要记住高流量通常出现在哪里，也要处理小样本区域、稀疏联系和不同的中心结构。

为什么把整张矩阵一起生成，而非一对地点一对地点地猜？

逐个OD预测，直接问住宅i与就业地j之间有多少联系。整图方法还会考虑这条边与同一网络其他边的关系：多个住宅区可能共享同一就业中心，一个区域的流出也分配到多个目的地。论文用节点表示普查区，节点属性表示人口与设施，边的方向表示居住地到工作地，边权表示流量。

图 5｜矩阵中的一个数字，在网络里是什么？

原图没有字母。左侧为五个区域的属性和OD表，右侧为同样五个节点的有向加权图。节点旁柱形表示属性，箭头上的数字对应OD矩阵元素。人口与设施是条件输入，生成目标是边及其权重，不能把节点属性本身当作已观测的通勤量。来源：原论文 Fig. 5。

WeDAN，即Weighted Edges Diffusion condition on Attributed Nodes，在这种图上使用扩散生成。训练时向已知流量逐步加入高斯噪声，再训练网络估计需要移除的噪声；生成时从噪声开始，以目标地区属性为条件，逐步得到一张矩阵。目标地区可以没有历史OD，但模型仍依赖其他地区的OD训练样本。

图 6｜没有目标地历史流量，怎样从噪声得到OD？

原图没有面板字母，右端是训练中的原始图F⁰，向左逐步加噪直到Fᵀ；生成则向右按学习到的去噪过程恢复。彩色节点及旁边柱形表示区域和属性，连线表示通勤边。图中的多个阶段是同一矩阵的噪声状态，不是未来几天真实通勤的时间演化。来源：原论文 Fig. 6。

图 9｜一次去噪能否同时看见其他地点？

原图没有字母。节点属性与带噪OD分别通过多层感知机进入图Transformer；距离矩阵提供距离与基于拉普拉斯分解的位置编码，多层网络共同更新节点、边，最后输出边级噪声估计。这里的注意力与距离条件帮助建立跨边依赖，不能直接当作识别出的真实通勤决策机制。来源：原论文附录 Fig. 9。

附录还说明，流量先经log(F+1)变换，再在生成后用指数反变换，缓解少数强联系支配数值尺度的问题。网络含4层、每层32维隐藏状态，训练扩散共1,000步；生成使用DDIM采样。WeDAN与DiffODGen均生成10次并取均值作为最终结果，因此表格评价的是平均生成矩阵，不是任意一次随机样本的表现。

0.593的CPC，究竟算什么程度的成功？

数据按8:1:1划分训练、验证、测试，实验重复5次取平均。每个区域先算指标，再对区域取平均：一座包含很多普查区的大区域，和一座小区域，在这个区域平均口径下各贡献一份指标。

共同通勤部分（Common Part of Commuting，CPC）比较生成与真实矩阵中重叠的流量：各OD取两者较小值，求和后乘2，再除以两张矩阵的总量之和。完全一致时为1，无重叠时为0。它不是59.3%的个人通勤目的地被正确预测。

RMSE度量矩阵元素的流量偏差，较小为好；NRMSE再相对真实流量的离散程度归一化。论文另用标为JSD的分布偏差指标比较各单元流入、流出及OD边权分布。这些指标补充流量误差，但分布相近仍可能把强边放在错误的地点。

模型	CPC↑	RMSE↓	NRMSE↓	流入分布偏差↓	流出分布偏差↓	OD分布偏差↓
幂律引力GM-P	0.321	174.0	2.222	0.668	0.656	0.409
随机森林RF	0.458	100.4	1.282	0.424	0.503	0.219
深度引力DGM	0.431	92.9	1.186	0.469	0.561	0.230
GMEL	0.440	94.3	1.204	0.445	0.355	0.207
NetGAN	0.487	89.1	1.138	0.429	0.354	0.191
DiffODGen	0.532	74.6	0.953	0.324	0.270	0.149
WeDAN	0.593	68.6	0.876	0.291	0.269	0.147

来源：原论文表2，表中还比较指数引力、SVR与GBRT。WeDAN相对DiffODGen的CPC提高约11.5%，RMSE降低约8.0%；其中CPC绝对增加0.061，不能写成提高11.5个百分点。流出和OD分布偏差只小幅改善，也不宜笼统称所有指标都有大幅跃升。

数据驱动方法还使用了更丰富特征，而引力模型参数少、形式受限，因此这一比较包含模型表达力与输入利用方式的共同差别。论文提供有用的基准，但并未通过同等信息、同等容量的逐项消融，将每一点收益唯一归因于某种网络结构。

多中心、小地方，以及陌生类型，模型都应付得来吗？

图 7｜平均成绩是否掩盖了某些类型的困难？

（a）按普查区数量分六档的CPC；（b）同样分组的RMSE；（c）按单中心、多中心及其他结构分组的CPC；（d）对应RMSE。颜色区分WeDAN、DiffODGen和随机森林。雷达图应结合每种指标的优劣方向阅读，面积大不在所有面板都代表更好。图支持WeDAN在多种组别中保持优势，多中心地区仍有较复杂的模式。来源：原论文 Fig. 7。

按普查区数量分组衡量的是图规模，不是地理面积、GDP或发展水平。小县也可能富裕，普查区少也不自动意味着人口不重要。对模型的外部解释应以实际分组变量为准。

图 8｜只看另一类地方，能学到多少可迁移的联系？

（a）用单中心训练、在多中心评价；（b）用多中心训练、在单中心评价；（c）小区域训练、大区域评价；（d）大区域训练、小区域评价。横轴为训练区域数，纵轴为目标组CPC，黑色虚线为全类型训练基准。小区域定义为不足100个普查区，大区域为超过500个。训练样本增加后曲线总体提升，仍与全类型基准有差距；这支持跨类型存在共性，而不是跨国或跨时代的无条件迁移。来源：原论文 Fig. 8。

这套基准还不能替规划者回答什么？

首先，单一2018年标签无法直接检验疫情、混合办公或新基础设施之后的通勤变化。其次，美国县与普查区的边界、设施记录及就业统计条件，未必能原样搬到其他国家。再次，行政和开放地图数据都有覆盖、匹配与保护处理，生成结果继承这些输入条件。

更关键的是任务边界。这里的矩阵是居住—工作联系，不含完整日程、路径、出行方式和所有非通勤活动。即使矩阵误差降低，也不能直接推出道路拥堵预测、公交客流或排放估计同样改善。将其用于交通方案，还需要把需求分配到网络，并验证区域出入总量、跨边界联系与相关约束。

数据划分主要展示同一国家、同一数据体系下留出地区的泛化。若要检验更困难的外推，可以额外留出整片地理区域、另一年份或另一国家；若相邻地区共享背景，随机留出地区的结果与远距离转移可能不同。论文没有给出这些测试的完整答案。

一句话总结

多种地方的整张通勤网络，为模型学习提供了更好的材料，但生成得像统计矩阵，仍需经过具体地点、年份和规划用途的验证。

核心来源

• Rong, C., Ding, J., Liu, Y., & Li, Y.（2024）. A Large-scale Benchmark Dataset for Commuting Origin-destination Matrix Generation。论文v3及附录。本文九幅图与基准数值均据该文。
• 作者数据集与代码项目。
• 美国人口普查局关于LODES居住—工作联系及保护处理的方法研究，用于区分公开行政统计与无误差的直接个体观测。

作者介绍

• Can Rong：论文署名清华大学电子工程系，为本文第一作者。
• Jingtao Ding：论文署名清华大学电子工程系，参与本文研究。
• Yan Liu：论文署名南加州大学计算机科学系，参与本文研究。
• Yong Li：论文署名清华大学电子工程系，参与本文研究。以上机构以本论文版本为准。

延伸思考

以下是 AI 基于论文结果所作的延伸，不属于原论文结论。

一个数据集的重要价值，可能是暴露平均分背后的失败类型。小地方的单条通勤联系人数不多，但若某条边连接唯一的医院或工业雇主，预测错误的实际意义可能很大。区域平均指标避免大城市完全支配评价，却仍没有直接测量公共服务与弱势群体的需求。

可在总体CPC之外，预先定义关键目的地和低流量联系的评价，并检验生成矩阵是否满足可用的居民就业总量与岗位总量。若约束加入后平均指标略降、关键联系却更可靠，这种取舍可能更贴近实际规划；判断依据应来自明确用途，而非单一榜单名次。