《Big Data and Cognitive Computing》：Benchmarking LLM-Based Time-Series Foundation Models for Minute-Resolution Turning-Movement Traffic Dynamics on an Urban Arterial
编辑推荐：
大型语言模型（LLM）与时间序列基础模型（Time-Series Foundation Model，TSFM）已推动交通预测发展，但几乎都基于高速公路检测器在5分钟聚合流量分辨率上展开；其在信号控制城市主干路上分钟级、转向级计数上的行为尚属未知。研究人员构建真
大型语言模型（LLM）与时间序列基础模型（Time-Series Foundation Model，TSFM）已推动交通预测发展，但几乎都基于高速公路检测器在5分钟聚合流量分辨率上展开；其在信号控制城市主干路上分钟级、转向级计数上的行为尚属未知。研究人员构建真实走廊数据集——田纳西州纳什维尔Nolensville Pike沿线13英里20个信号交叉口、6449条无间隙1分钟转向运动记录（255,364辆计计车辆），并在三类模型族（经典、深度、LLM/基础模型）上开展受控基准：于全量日站点评估5/10/15分钟地平线样本内精度（RQ1），并于跨日期留交叉口外迁移至仅上午站点（RQ2）。在全量日站点，逐序列ARIMA取得最佳短地平线精度（h=5时MASE 0.87），零样本基础模型Chronos各地平线最稳定；留交叉口外迁移时排序反转——基础模型迁移最佳（MASE≈0.61，少样本自适应后≈0.56），而全局训练深度网络灾难性失效（MASE>4）。所有基准值均测自走廊数据；本环境无法端到端执行的基础模型族仅作定性讨论不进入定量比较。该数据集与协议为判断语言和基础模型是否真正预测分钟级城市走廊提供了诚实、成本感知的评判基础。
研究背景方面，信号控制城市主干路是路网中运行压力最高的元素之一，单个走廊上数十个信号交叉口通过绿波推进、排队回溢与峰值分钟内剧烈涨落相互作用。转向交通量（Turning-Movement Count，TMC）是按进口道与转向（直行、左转、右转、掉头）统计的车辆数，是信号配时、转弯车道规模、延误估计与微观仿真标定的基本测量。传统上TMC以15分钟粗桶报告，因为人工计数与传统检测器难以稳定分辨更细间隔；计算机视觉平台（如Miovision）使整条走廊1分钟分辨率计数可行，暴露出15分钟聚合抹平的分钟级需求结构。并行地，LLM与基于Transformer的时间序列基础模型（TSFM）被移植到数值预测，主张大规模序列预训练可学到可迁移时间结构，在少/零样本下用于未见任务。既有交通证据几乎全在高速公路主线loop检测器5分钟分辨率与聚合方向流量上，ST-LLM、ST-LLM+、LEAF等虽报告PEMS类基准最优，但Tan等消融研究表明去掉语言模型骨干有时不降甚至提升精度，因此需应用专属、强基线、成本透明的基准，而非盲目采用语言模型机制。
研究人员开展的研究是：在Nolensville Pike 20个信号交叉口用Miovision采集1分钟TMC，形成6449条无缺失分钟记录、255,364辆计计车辆运动；6个交叉口全量日（约6 A.M.–6 P.M.），14个仅上午峰（多7–10 A.M.），各站点不同日期、最多两站同天，故走廊按相对时间与时钟对齐时间分析而不能当同步快照。研究人员在三类模型族间做受控基准：经典统计（季节朴素、ARIMA/SARIMA、指数平滑ETS）、深度序列（LSTM、Temporal Fusion Transformer（TFT））、LLM/TSFM（冻结骨干GPT4TS式、重编程Time-LLM式、零样本TimesFM/Chronos、时空ST-LLM式）。RQ1评全量日站5/10/15分钟提前量下方向流与转向流精度；RQ2评由全量日站训好模型在仅上午站与未见日期上的零样本/少样本迁移。结论上，全量日样本内ARIMA短地平线最强（h=5，MASE 0.87），Chronos零样本跨地平线最稳（h=15仍MASE≈1.00）；迁移时基础模型最佳（Chronos零样本MASE 0.61，30分钟少样本至0.59），全局LSTM灾难性失效（MASE 4.06），全局ARIMA退化至1.87，季节朴素为0.72。意义在于：首次把LLM/TSFM基准推到分钟级、转向级、信号主干路这一此前未被评测的操作原生场景，并以非同步采集协议贴近工程实际，用精度—计算成本并列会计算账，证明零样本TSFM在跨日期未建站部署上有实用价值，而重空间先验的模型在此数据下并不天然占优。论文发表于《Big Data and Cognitive Computing》。
关键技术方法上，研究人员以Miovision视频感知平台在2025年11月至2026年4月对Nolensville Pike 20个信号交叉口采集1分钟十六向运动计数，形成单走廊、单日期每站、全量日与仅上午两类覆盖的样本队列；用相对/时钟对齐时间处理非同步采集；特征含分钟of day周期编码、进口静态属性、上游主线直行流；以MASE（以季节朴素一步误差为尺）与MAE评精度，Diebold–Mariano检验做配对误差显著性；RQ1用六全量日站按时序70/15/15训练验证测试，RQ2用留交叉口外零样本与首30分钟少样本自适应。
研究结果如下。
- 1.
Introduction：研究人员指出动机为自由路5分钟聚合流与动脉转向分钟流之间的分辨率/目标粒度鸿沟，以及实际采集非同步、历史数据稀缺下的迁移鸿沟；贡献为首个分钟级转向动脉TSFM基准、现实非同步迁移协议、精度—成本透明核算。
- 2.
Related Work：研究人员回顾LLM/TSFM通用预测、交通专用ST-LLM/ST-LLM+/LEAF、Tan等对语言骨干不必要的批判、HCM与ARIMA/ETS/LSTM/TFT经典与深度基线，定位本研究填补“分钟级转向动脉+非同步跨日期迁移+强基线成本账”空白。
- 3.
Data：研究人员刻画走廊为约13英里南北通勤动脉，20个编号交叉口；Miovision采1分钟四进口×{右、直、左、掉头}共十六运动，6449观测、255,364车辆运动；全量日站PHF 0.93–0.95，终端单向设施北行结构零保留不补；走廊主线NB+SB占65.5%，直行占67.4%；图1显示全量日站有下午再强化，图2显示终端站NB近零。
- 4.
Methods：研究人员定义目标为十二非掉头运动、方向流、主线直行流，地平线h∈{5,10,15}分钟，回看L=30分钟；经典逐序列拟合，深度与LLM用统一特征与划分；提示模板以上下文前缀+重编程块供Time-LLM式使用；RQ1时序留出，RQ2留交叉口外与少样本；以推理时延与相对计算成本作成本账。
- 5.
Results：5.1 Peak-Hour Flow Profiles研究人员用15分钟滚动率显示五站早峰时间07:53–09:01错峰超1小时。5.2 One-Minute Burstiness and the Cost of Aggregation研究人员以Harding Place为例，1分钟σ=10.3、15分钟平滑σ=5.7，峰值率4560 veh/hr被平滑为3748 veh/hr，聚合约低估18%短期峰；20站1分钟总流变异系数（Coefficient of Variation，CoV）从0.150到1.516，低量站更突发。5.3 Cross-Intersection Spatial Coupling研究人员算时钟对齐5分钟主线直行相关矩阵，离对角均r=0.143，邻位均0.123，少数对中等相关、若干负关；因非同日期，这反映典型时钟形状异质而非同频绿波，故空间先验不可默认强耦合。5.4 RQ1—In-Sample Forecasting Accuracy研究人员在六全量日52个运动序列上得ARIMA h=5 MAE 3.47、MASE 0.87最优；Chronos零样本MASE 1.00–1.01且h=15不退化；LSTM MASE≈1.23；DM检验ARIMA与Chronos显著优于季节朴素。5.5 RQ2—Transfer and Few-Shot Adaptation研究人员以主线直行5分钟目标、尺度21.9 veh/5 min得Chronos零样本MASE 0.61、少样本0.59，季节朴素0.72，全局LSTM 4.06，全局ARIMA 1.87；ST-LLM式少样本0.62→0.56，空间贡献边际，迁移技能主驱为基础模型预训练。
讨论部分，研究人员强调早峰锐但不同步、分钟流比15分钟突发得多、跨站时钟对齐耦合弱三件事共同意味着分钟级动脉预测价值在站内突发而非稳定走廊图；精度—成本才是决策对象：零样本Chronos样本内匹敌ARIMA、跨日期迁移更好且不增每站训练成本，若轻量基线以更低成本匹敌则投资应转向更密感知。研究人员指明局限为单走廊、每站单日期、14/20仅上午，故结论是案例级而非普适；留待多走廊、留走廊外、全日下午与离峰、LLM生成自然语言解释的确定性评分。
研究结论部分翻译：本文追问大型语言模型能否“读懂一条交通走廊”——在自由路5分钟聚合流上进阶的LLM与TSFM能否用于信号城市主干路分钟级转向计数这一更硬且操作原生的场景。研究人员组装并刻画了纳什维尔Nolensville Pike 13英里20个信号交叉口、6449条无间隙1分钟记录与255,364辆计计车辆运动的分钟级TMC数据集，给出经典、深度、LLM/TSFM三族加精度—成本核算的基准。已完成描述性分析已给出走廊级证据：早峰锐但非同步、站点间移超1小时；1分钟需求比15分钟规范突发得多，最忙站聚合低估约18%峰值并压制45%分钟方差；非同步采集下时钟对齐跨交叉口耦合平均弱（离对角r=0.143）。这些最终且独立于模型运行的发现表明，对本走廊与本采集设计，分钟级预测收益更多在捕捉站内突发性而非利用稳定走廊图；因空间分析基于非同步单走廊数据，应视为需多走廊复现的走廊专属发现。RQ1贡献为在5/10/15分钟地平线以强基线锚定MASE与Diebold–Mariano检验评LLM族；RQ2贡献为跨日期留交叉口外零/少样本协议；横贯三者的是受Tan等启发、把推理时延与计算成本并列、并预留骨干消融控制的精度—成本框架。所有发现来自单南北通勤走廊、每站单日期、20站中14站仅上午，应作高刻画案例研究而非基础模型可迁移性普适断言，多走廊复现前不可泛化。未来工作应做多走廊复现、留走廊外迁移、补下午与离峰、以及用确定性真值评LLM解释走廊动态时的幻觉率。
