告别碎片化！VecCity首次统一地图实体表征学习：一套体系打通POI/道路/地块-平芜编程栈

北京航空航天大学联合澳门大学，共同开发了跨 POI、道路、地块的统一地图要素表征学习工具库：VecCity。

该工具库通过统一数据、统一流程、统一测评，集成了 9 座城市数据、复现 21 种主流的时空要素表征模型，覆盖 POI /道路/地块城市地图全要素，为研究者和开发者提供一站式的建模、预训练、微调与评测支持的工具集。

基于 VecCity 这一翔实的工具库，论文还对不同地图表示学习技术路线进行了对比，进一步揭示了各路线的优势与不足。

例如，完整的 “token–graph–sequence” 三阶段模型在道路场景中表现最优，序列增强与对比学习在 POI 任务中优势显著，而图神经网络在复杂关系建模中更具鲁棒性。

VecCity 算法库基于论文作者团队（北航 BIGSCITY 实验室）此前所提出的 “LibCity 时空数据处理统一基座平台”（http://www.libcity.ai），将为地图数据表示学习（MapRL）提供重要基础设施。

本文第一作者为北京航空航天大学计算机学院博士生张文涛，通讯作者为北京航空航天大学计算机学院王静远教授。目前该研究已被 VLDB 2025 正式接收，相关代码与模型已经全部开源。

论文标题：

VecCity: A Taxonomy-guided Library for Map Entity Representation Learning

论文链接：

https://arxiv.org/abs/2411.00874

代码链接：

https://github.com/Beihang-BIGSCity/VecCity

研究背景

电子地图由多种类型的实体组成，包括兴趣点（POI）、路段（Road Segment）和地块（Land Parcel），分别对应着几何学中的点、线、面三类核心要素。

这些实体承载了丰富的时空信息，在智能交通系统（ITS）和基于位置的服务（LBS）等关键应用中扮演着不可或缺的角色。

地图实体表示学习（Map Entity Representation Learning，MapRL）旨在利用预训练技术生成通用且可复用的数据表示，为高效管理与利用地图实体数据提供了关键技术支撑。

然而，尽管 MapRL 发展迅速，目前仍面临两个核心挑战，限制了领域的进一步发展：

1. 研究碎片化（Fragmented Research Fields）：现有研究通常按“点、线、面”等实体类型进行划分。这种割裂导致不同实体间的技术难以复用（例如为路段设计的图编码器难以直接用于地块），阻碍了技术的融通。

2. 缺乏统一基准（Lack of Standardized Benchmark）：不同模型往往在不同的数据集和实验设置下进行评估。缺乏标准化的 Benchmark 使得横向对比变得极其困难，难以总结出通用的设计原则。

为了应对这些挑战，本文提出了一种全新的 MapRL 模型分类方法：不再以实体类型为划分标准，而是从模型的功能模块出发，围绕编码器、预训练任务与下游任务等核心组件对现有方法进行统一归类。

在此基础上，我们构建了一个以分类体系为核心指导的开源算法库 VecCity，并对经典模型进行了全面的评估分析。本文的主要贡献包括：

全新的分类体系：提出 Method-based 的时空数据表征分类体系，将模型解构为编码器、预训练任务与下游任务，打破了按实体类型划分的传统壁垒，实现了跨实体技术的统一梳理；
统一的开源算法库：构建了 VecCity 库，实现数据处理、模型实现、训练流程与评估方法的深度解耦，支持高效复用与灵活组合，显著提升模型开发效率；
标准化评测基准：整合来自九座城市的数据集，复现了 21 个主流 MapRL 模型，建立了领域内首个标准化的 Benchmark，并进行了全面的系统评估与归因分析。

基于方法的分类方法

为了打破“碎片化”的僵局，本文不再以实体类型为核心，而是围绕模型的功能模块进行解构，提出了一种 Method-based 的分类体系。

我们发现，MapRL 模型的核心组件——编码器（Encoder）和预训练任务（Pre-training Tasks）——并不与特定的地图实体类型强耦合。

因此，我们将 MapRL 模型解构为四个核心要素：

1. 地图数据（Map Data）：数据是表征学习的基石。本文将地图数据抽象为两个层面：首先是地图实体（Map Entities），无论是点状的 POI、线状的路段，还是面状的地块，都被统一建模为包含 ID、类型、几何形状及属性特征的通用对象。

其次是辅助数据（Auxiliary Data），整合了轨迹数据（Trajectories）与关系网络（Relation Networks），旨在为模型引入动态时序信息与全局拓扑结构，从而显著增强表征的上下文感知能力。

2. 编码器模型（Encoder Models）：编码器是将原始数据映射到潜在向量空间的核心引擎，根据处理的数据结构不同，可划分为三大范式：

Token-based 编码器负责处理实体的静态属性特征（如 POI 类别、地理坐标），构建基础语义嵌入；
Graph-based 编码器利用图神经网络（GNN）建模实体间的拓扑关联（如路网连接、OD 交互），捕捉空间结构信息；
Sequence-based 编码器则利用序列模型（如 Transformer、RNN）处理轨迹数据，捕捉实体在时间维度上的动态演化规律。

3. 预训练任务（Pre-training Tasks）：本文提炼出了一套跨越实体类型的通用学习目标，通过构造自监督信号驱动编码器学习鲁棒表征。

其中包括旨在强化语义判别力的 Token 级任务（如属性推理 TokRI、对比学习 TRCL），旨在保留全局拓扑特性的 Graph 级任务（如图结构重构 GAu、邻域对比学习 NCL），以及旨在捕捉长程时序依赖的 Sequence 级任务（如掩码轨迹恢复 MTR、轨迹预测 TrajP）。

4. 下游任务（Downstream Tasks）：该部分是模型与实际应用对接的接口，也是唯一与实体类型强相关的组件。它负责将预训练好的表征适配于特定的应用场景，如 POI 分类、路段速度推断及地块人流预测等，从而量化模型的泛化性能。

现有模型总结：基于这一分类体系，我们对现有的主流模型进行了重新梳理。我们发现，大多数先进模型都遵循 “Token → Graph → Sequence” 的建模流水线：首先提取基础特征，然后融合关系结构，最后捕捉时序依赖。

VecCity：分类学指导的开源算法库

基于上述分类体系，我们开发了 VecCity 算法库。它不仅仅是一个代码集合，更是一个标准化的开发平台。其核心架构包含三个功能模块，并通过统一的配置（Config）与评估（Evaluation）模块串联，覆盖了 MapRL 开发的全流程：

1. 数据模块（Data Module）：

（1）原子文件（Atomic Files）：VecCity 定义了三种原子文件格式—— geo（存储地图实体）、traj（存储轨迹数据）和 rel（存储关系网络）。这种设计屏蔽了原始数据（如 Shapefile，GeoJSON，NPZ 等）的格式差异，实现了数据的统一加载与处理。

（2）丰富的内置数据：库中预置了来自纽约、芝加哥、东京、新加坡、波尔图、旧金山、北京、成都、西安等 9 个城市的标准化数据集，涵盖了不同规模和类型的城市形态。同时，我们还提供了数据转换脚本，支持导入私有数据。

2. 上游模块（Upstream Module）：

（1）标准化接口：通过 encode() 和 pretraining _loss() 两个核心接口，将编码器实现与预训练任务解耦。encode() 负责将原子文件转化为向量，而 pretraining_loss() 则封装了数据掩码、负采样、数据增强等复杂的预训练逻辑。

（2）全面覆盖：我们集成了 21 个主流 MapRL 模型，覆盖 POI、路段和地块三大类实体（每类 7 个模型），为研究人员提供了简单易用的 Baseline 库。

3. 下游模块（Downstream Module）：

（1）灵活微调：提供 downstream_model() 接口实现微调模型（如 MLP 分类器、LSTM 回归器），以及 finetuning_loss() 接口定义优化目标（如交叉熵、MSE、InfoNCE）。

（2）多任务支持：内置了 9 类典型的下游任务，包括 POI 分类、下一跳预测、路段速度推断、旅行时间估计、地块功能分类、人流预测等，支持对表征质量进行全方位的评估。

4. 配置与评估（Configuration & Evaluation）：通过统一的配置文件即可控制“数据加载 → 预训练 → 微调 → 评估”的全生命周期，用户无需编写繁琐的胶水代码即可运行实验。

实验分析

利用 VecCity，本文建立了领域内首个标准化的 Benchmark，对 21 个主流模型在统一环境下进行了全方位的评测与分析。

4.1 总体性能对比

我们在 POI、路段和地块的三类下游任务上进行了广泛的对比实验，不仅给出了准确的性能排名，还通过深度分析总结了每类实体的建模关键。

POI 表征学习：实验结果显示，CTLE 和 CACSR 等引入了序列编码器（Sequence-based Encoder）的模型，表现显著优于仅依靠静态特征的模型。这主要是因为轨迹数据中蕴含了丰富的用户移动模式信息。

进一步分析发现，相比于传统的下一跳预测（TrajP），采用掩码轨迹恢复（MTR）和增强轨迹对比学习（ATCL）的任务表现更好。

这是因为 TrajP 仅关注相邻点的短期依赖，而 MTR 和 ATCL 能够迫使模型捕捉整条轨迹中的长距离时序依赖（Long-range dependencies），从而生成更具判别力的 POI 表征。

Takeaway：轨迹序列建模与长程依赖捕捉是 POI 表示学习的关键。

路段表征学习：路段表征因涉及路网拓扑与动态交通流的耦合，复杂度最高。实验发现，JCLRNT 和 START 等模型凭借 “Token + Graph + Sequence” 的全流程建模拔得头筹。

这表明，要精准刻画路段特性，既不能脱离静态的路网结构（Graph），也不能忽视动态的交通流序列（Sequence）。

此外，多视角预训练在其中也发挥了关键作用，例如 JCLRNT 巧妙结合了图对比学习和轨迹对比学习，相比单一视角的模型展现出更强的性能。

Takeaway：“Token+Graph+Sequence” 的全流程建模与多视角预训练是路段表征学习的制胜法宝。

地块表征学习：对于地块而言，其功能属性（如商业区、住宅区）很大程度上由其内部包含的 POI 决定。实验数据清晰地表明，ReMVC 和 HREP 等显式融合 POI 语义特征的模型，显著优于仅利用移动流（Mobility Flow）的模型。

POI 类别分布为地块提供了关键的上下文信息（Contextual Information），有效弥补了仅靠人流数据在功能区分度上的不足。值得注意的是，目前该领域的主流仍是 Token + Graph 架构，序列信息的利用尚有巨大的挖掘空间。

Takeaway：POI 语义特征的显式融合是精准理解地块功能属性的核心要素。

4.2 深入探究：预训练任务的组合效应

除了基准测试，我们利用 VecCity 的模块化特性进行了系统性的消融实验，以探究不同类别预训练任务的组合效果。

实验结果深度分析了多视角预训练（Multi-view Pre-training）策略，即融合 Token、Graph 和 Sequence 异构视角的任务，对模型性能的影响。

进一步的分析揭示了针对不同地图实体的最优任务配置：

对于 POI 实体：POI 表征的核心在于兼顾静态的功能语义与动态的访问模式。实验表明，TokRI（关系推理）+ MTR（掩码轨迹恢复）是最有效的任务组合。TokRI 专注于捕捉显式的类别与属性语义，而 MTR 通过对轨迹序列的掩码重建，有效捕捉了长距离的时序依赖，两者在特征空间上形成了良好的互补。

然而，在数据稀疏（如低频访问）的场景下，TrajP（轨迹预测）任务因其更关注局部时序依赖，表现出更强的鲁棒性。

对于路段实体：路段数据天然受限于路网的拓扑结构。实验显示，AGCL（增强图对比学习）展现出显著的性能优势，这表明捕捉地理关系网络中的空间依赖是路段表征的基础。

在此基础上，若数据密度较高，引入 MTR 任务可进一步增强时序特征的表达；而在稀疏数据条件下，TrajP 则是更为适宜的辅助任务。

对于地块实体：地块的功能属性通常隐含在复杂的 POI 分布中，易受噪声干扰。实验发现，AToCL（增强 Token 对比学习）的表现最优。通过数据增强与对比学习机制，AToCL 能够有效过滤冗余的语义特征，提炼出地块的核心功能属性，从而生成更具鲁棒性的表征。

此外，在涉及社交关系网络（如人流移动）的场景中，基于图重建的 GAu 任务通过建模节点间的相似性连接，也提供了重要的补充信息。

4.3 效率与可扩展性分析

除了性能指标，模型的效率与可扩展性决定了其能否真正落地于大规模城市应用。我们从参数量、训练时间及推理时间三个维度对模型进行了全面分析。

Token-based 模型：Token-based 模型（如 P2Vec，Tale）展现出了极佳的可扩展性。由于结构相对简单，它们在处理海量数据时，依然能保持较低的训练耗时和参数规模。对于对实时性要求极高、数据规模巨大的应用场景，这类模型是性价比极高的选择。

Graph-based 模型：Graph-based 模型的效率高度依赖于预训练任务的复杂度。例如，采用图自编码器（GAu）任务的模型（如 HRNR），随着图节点数量的增加，其训练时间呈现出超线性增长的趋势，这在大规模路网中可能成为瓶颈。

相比之下，采用更高效采样策略或简化图结构的模型（如 HREP）则表现出更强的鲁棒性。

Sequence-based 模型：虽然引入序列编码器显著提升了模型在轨迹相关任务上的精度，但这并非“免费的午餐”。

实验数据显示，Sequence-based 模型普遍面临参数量激增和推理延迟的问题。特别是在在线推理阶段，复杂的序列计算使得其响应速度远低于其他两类模型。

因此，它们更适合对精度敏感但对延时容忍度较高的离线分析场景。

总之，在实际部署中，不存在绝对的“完美模型”。开发者需要在模型复杂度（精度）与推理时延（效率）之间寻找最佳平衡点：全流程模型适合追求极致精度的场景，而轻量级模型则是大规模实时服务的首选。

总结

面对电子地图中庞大且多样的实体数据，VecCity 以原创“方法学驱动”的统一分类体系突破现有研究碎片化困境，首次实现跨 POI、道路、地块的通用化建模框架。

基于统一的原子化数据格式，VecCity 集成了来自 9 座城市的真实数据，复现 21 种主流 MapRL 模型，构建了该领域首个系统化、可复现的标准基准。

更重要的是，VecCity 对不同技术路线进行了系统、细致的对比评测，揭示了各类模型在特征表达、结构建模与时空依赖捕捉方面的优势与不足。

这些结论为研究者选择模型范式、优化算法设计提供了清晰的实证依据。

凭借模块化、标准化与全面评测能力，VecCity 不仅提升了模型复用与实验效率，更为 MapRL 领域的理论研究、算法创新和应用落地提供了坚实的基础设施。