QuasarLAB/korean-gtfs-transit-intent

실제 GTFS 기반 한국어 대중교통 질문 조건 추출 데이터셋

이 데이터셋은 한국어 대중교통 질문을 경로 조회에 필요한 구조화된 조건으로 변환하도록 언어 모델을 학습시키기 위한 자료입니다.

실제 GTFS 정류장 정보와 기존 RAPTOR 기반 경로 자료 1,000건을 바탕으로 질문 표현과 대화 문맥을 템플릿 방식으로 확장했습니다. 짧은 출발지·도착지 질문, 누락 조건, 날짜·시각·환승 제한의 후속 변경, 비경로 질문 등을 포함합니다.

데이터셋 버전은 v2-diverse이며, SFT 및 LoRA 미세조정에 사용할 수 있습니다.

학습 목표

모델은 다음 여섯 필드를 가진 JSON 객체를 출력하도록 학습합니다.

• intent: 경로 요청인 route 또는 비경로 요청인 other
• origin_name: 출발 정류장 이름
• destination_name: 도착 정류장 이름
• service_date: 운행일, YYYY-MM-DD
• departure_time: 출발 시각, HH:MM:SS
• max_transfers: 최대 환승 횟수, 0~3

미제공 조건은 null로 표시합니다. 후속 질문에서는 제공된 이전 조건을 유지하고, 명시적으로 변경된 조건을 갱신합니다. GTFS 운행일 기준의 24:06:31처럼 24시 이상의 시각도 보존합니다.

이 데이터셋은 모델이 경로와 소요시간을 직접 계산하도록 학습하는 자료가 아닙니다. 동명 정류장 확인과 실제 경로 계산은 별도의 GTFS/RAPTOR 시스템이 담당합니다.

파일과 구성

파일	용도	샘플 수
train.jsonl	학습	22,376
validation.jsonl	학습 중 검증	2,853
test.jsonl	최종 평가	2,872
합계		28,101

각 JSONL 레코드는 messages와 metadata로 구성됩니다. messages에는 system·user·assistant 메시지가 있으며, user 메시지의 내용은 question과 previous_request를 포함하는 JSON 문자열입니다. metadata에는 출처, 샘플 ID, 템플릿 및 분할 정보가 들어 있습니다.

manifest.json은 출처 지문, 파일 해시, 분할 정책과 생성 당시의 검증 범위를 기록합니다.

정규화한 출발·도착 이름 쌍을 기준으로 분할했습니다. 분할 간 같은 이름 쌍과 동일 입력의 중복은 없지만, 개별 정류장 이름과 템플릿 계열은 공유될 수 있습니다.

참고 실험 결과

2026-10-11의 로컬 Qwen3.5-4B 실험에서 여섯 조건의 완전 일치는 다음과 같았습니다.

평가	기본 모델	LoRA 적용 모델
전체 템플릿 test 2,872건	2,065건 · 71.90%	2,871건 · 99.965%
별도 작성 질문 30건	20건 · 66.67%	24건 · 80.00%

이 수치는 질문 조건 추출 정확도입니다. 경로 정확도나 모든 자연어 질문에 대한 성공률이 아니며, 학습에 따른 응답 속도 개선도 확인되지 않았습니다.

한계

질문 문장은 템플릿으로 생성·증강했으며 실제 사용자 대화 로그가 아닙니다. 전체 GTFS 정류장을 포괄하지 않고, 날짜 증강도 운행 달력의 활성 여부를 확인한 것이지 변경 조건별 경로 존재를 재계산한 것은 아닙니다.

현재 연결 시스템에서는 오늘, 현재, 아침 9시 등의 표현이 추가 확인을 필요로 할 수 있습니다. 실제 사용자 질문, 새로운 이름, 동명 정류장 및 후속 대화에 대한 일반화는 별도로 평가해야 합니다. 최신 현장 운행이나 실시간 지연을 보장하지 않습니다.

Real GTFS-Based Korean Transit Intent Dataset

This dataset supports training language models to convert Korean public-transit questions into structured routing conditions.

It was developed from real GTFS stop information and 1,000 existing RAPTOR-based route records. Question wording and conversational context were expanded using templates. The dataset includes short origin–destination queries, missing conditions, follow-up changes to dates, times and transfer limits, and non-routing requests.

The dataset version is v2-diverse. It is intended for supervised fine-tuning, including LoRA-based training.

Task

The model is trained to produce a JSON object containing six fields:

• intent: route for routing requests or other for non-routing requests
• origin_name: origin stop name
• destination_name: destination stop name
• service_date: service date in YYYY-MM-DD format
• departure_time: departure time in HH:MM:SS format
• max_transfers: maximum number of transfers, from 0 to 3

Unspecified conditions are represented as null. Follow-up requests retain supplied previous conditions and update explicitly changed values. GTFS service-day times beyond midnight, such as 24:06:31, are preserved.

This is not a dataset for teaching models to calculate routes or travel times directly. Stop disambiguation and route computation are handled by a separate GTFS/RAPTOR system.

Files and Structure

File	Purpose	Samples
train.jsonl	Training	22,376
validation.jsonl	Validation during training	2,853
test.jsonl	Final evaluation	2,872
Total		28,101

Each JSONL record contains messages and metadata. The messages use system, user and assistant roles. User-message content is a JSON string containing question and previous_request. Metadata records provenance, sample IDs, templates and split information.

manifest.json records source fingerprints, file hashes, split policies and the validation scope at dataset creation time.

Splits are grouped by normalized, unordered origin–destination name pairs. No matching name pairs or identical inputs overlap across splits. Individual stop names and template families may still be shared.

Reference Experiment

A local Qwen3.5-4B experiment conducted on October 11, 2026 produced the following exact-match results across all six fields:

Evaluation	Base model	LoRA-adapted model
Full template test: 2,872 samples	2,065 · 71.90%	2,871 · 99.965%
Separate authored regression set: 30 questions	20 · 66.67%	24 · 80.00%

These are routing-condition extraction scores, not route-accuracy scores or success rates for unrestricted natural-language requests. An inference-speed improvement was not demonstrated.

Limitations

Question wording is template-generated and augmented, not collected from real user conversations. The dataset does not cover all GTFS stops. Augmented dates were checked against active service calendars; route existence was not recalculated for every modified request.

Expressions such as “today,” “now,” and “9 a.m.” may require additional confirmation in the current integration. Generalization to real user questions, unseen stop names, ambiguous stops and follow-up conversations requires separate evaluation. The dataset does not guarantee current real-world service or account for real-time delays.