TransitLM: A Large-Scale Dataset and Benchmark for Map-Free Transit Route Generation

Public transit route planning traditionally depends on structured map infrastructure and complex routing engines, and no existing dataset supports training models to bypass this dependency. We present TransitLM, a large-scale dataset of over 13 million transit route planning records from four Chinese cities covering 120,845 stations and 13,666 lines, released as a continual pre-training corpus and benchmark data for three evaluation tasks with complementary metrics. Experiments show that an LLM trained on TransitLM produces structurally valid routes at high accuracy and implicitly grounds arbitrary GPS coordinates to appropriate stations without any explicit mapping. These results demonstrate that transit route planning can be learned entirely from data, enabling end-to-end, map-free route generation directly from origin-destination information. The dataset and benchmark are available at https://huggingface.co/datasets/GD-ML/TransitLM, with evaluation code at https://github.com/HotTricker/TransitLM.

📋 한 줄 요약

**[Transit Routing / LLM Pretraining]** TransitLM이 4 중국 도시 1,300만+ 대중교통 경로 기록(12만 역·1.4만 노선)을 continual pre-training corpus로 공개, LLM이 GPS 좌표→역 그라운딩·구조적 유효 경로 생성을 map-free로 학습.

🎯 핵심 기여도

대중교통 경로 계획이 전통적으로 structured map infrastructure·복잡 routing engine에 의존했고, 이러한 의존성을 우회하는 모델 학습을 지원하는 기존 데이터셋 부재함을 진단.
TransitLM 도입 — 4 중국 도시 13M+ transit route planning record의 대규모 데이터셋, 120,845 station·13,666 line 커버.
Continual pre-training corpus와 함께 3 평가 task·complementary metric의 benchmark data로 release.
실험: TransitLM으로 학습된 LLM이 structurally valid route를 high accuracy로 생성하고, explicit mapping 없이 임의 GPS 좌표를 적절한 station에 implicit ground.

💡 핵심 아이디어

대중교통 경로 계획은 map infrastructure·routing engine 없이도 end-to-end·map-free로 데이터만으로 학습 가능하며, 충분 규모(13M+)의 다도시 route planning corpus와 적절 benchmark가 있으면 LLM이 GPS 좌표→station을 implicit grounding하고 structurally valid route를 생성할 수 있다.

🔬 기술적 접근법

**방법론**: TransitLM — large-scale corpus + 3-task benchmark.
**핵심 기법**: (1) 4 중국 도시 13M+ transit route planning record 수집, (2) 120,845 station·13,666 line 커버, (3) Continual pre-training corpus로 LLM 학습, (4) 3 evaluation task·complementary metric 정의, (5) Map-free end-to-end route generation 평가.

📊 주요 결과

13M+ record·120,845 station·13,666 line의 대규모 corpus 구축.
LLM이 structurally valid route를 high accuracy로 생성.
Explicit mapping 없이 임의 GPS 좌표를 적절 station에 implicit ground.
Transit route planning이 데이터만으로 end-to-end·map-free 학습 가능함을 입증.
데이터: huggingface.co/datasets/GD-ML/TransitLM, 평가코드: github.com/HotTricker/TransitLM.

💭 의의 및 한계

**의의**: Map infrastructure 의존 제거의 paradigm 검증, GPS 좌표→station grounding이라는 implicit spatial reasoning 능력 노출, 도시 routing 데이터의 LLM corpus화 첫 대규모 시도. **한계**: 4 중국 도시 한정으로 다른 국가·도시 일반화 추가 검증 필요, dynamic schedule·delay 등 실시간 정보 반영 미커버, 13M record가 transit 외 다른 modality·도시 routing에는 부족.

🚀 실용적 활용

Map-free 대중교통 routing 서비스.
LLM 기반 모빌리티 assistant.
도시 routing 데이터의 사전학습 corpus 표준.