LEBGen: An LLM-Enhanced Bayesian Network Framework for Few-Shot Travel Survey Data Generation

📄 arXiv: 2609.08288v1 📥 PDF

作者: Zijian Shen, Bin Zhou, Jiguang Wang, Ya Zhao, Jintao Ke

分类: cs.AI

发布日期: 2026-09-08

💡 一句话要点

提出LEBGen框架以生成少量旅行调查数据

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 旅行调查 贝叶斯网络 大语言模型 合成数据生成 少量学习 交通规划 出行行为分析

📋 核心要点

  1. 现有方法在处理少量旅行调查数据时，无法充分捕捉不同旅行者群体的复杂依赖关系，导致生成数据的质量不足。
  2. LEBGen框架通过结合大语言模型的行为知识与贝叶斯网络，优化网络结构以生成合成旅行调查数据，克服了现有方法的局限性。
  3. 在2022年香港旅行特征调查的实验中，LEBGen将均值边际詹森-香农散度从0.0671降低至0.0091，绝对克莱默V误差降低14.3%，显著提升了生成数据的质量。

📝 摘要（中文）

旅行调查数据对于交通规划和出行行为分析至关重要，但收集大规模代表性样本既昂贵又耗时。本文提出了一种生成合成调查记录的实用替代方案LEBGen，该框架结合了大语言模型（LLM）与贝叶斯网络（BN），通过从少量样本中提取行为知识来改善网络结构，从而生成更具代表性的旅行调查数据。实验结果表明，在2022年香港旅行特征调查的2%少量样本设置下，LEBGen显著提高了数据生成的分布和依赖性保真度。

🔬 方法详解

问题定义：本文旨在解决在少量旅行调查数据生成中，现有方法无法充分捕捉旅行者群体间复杂依赖关系的问题。现有的贝叶斯网络在少量样本学习时可能遗漏重要依赖或保留虚假依赖。

核心思路：LEBGen框架的核心思想是利用大语言模型提供的行为知识，增强贝叶斯网络的结构学习，从而更好地生成合成旅行调查数据。通过识别旅行者角色，补充缺失的依赖关系并剔除虚假依赖，提升生成数据的质量。

技术框架：LEBGen的整体架构包括两个主要模块：首先，利用大语言模型从人口统计特征和旅行行为统计中识别旅行者角色；其次，基于角色信息优化贝叶斯网络结构，最后仅使用观察到的数据对优化后的网络进行参数化以生成合成记录。

关键创新：LEBGen的创新在于将大语言模型与贝叶斯网络结合，利用语言模型的知识来弥补少量样本的不足，从而提高了生成数据的分布和依赖性保真度。这一方法与传统的仅依赖统计证据的生成模型有本质区别。

关键设计：在参数设置上，LEBGen专注于从观察数据中提取特征，并通过优化损失函数来确保生成数据的质量。网络结构设计上，采用了适应性调整的贝叶斯网络，以便更好地反映旅行者的行为模式。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

在实验中，LEBGen在2022年香港旅行特征调查的2%少量样本设置下，均值边际詹森-香农散度从0.0671降低至0.0091，绝对克莱默V误差降低14.3%。这些结果表明，LEBGen在生成数据的分布和依赖性保真度方面显著优于现有最佳基线。

🎯 应用场景

LEBGen框架在交通规划、出行行为分析等领域具有广泛的应用潜力。通过生成高质量的合成旅行调查数据，能够帮助研究人员和决策者更好地理解和预测交通需求，从而优化交通系统的设计与管理。未来，该方法还可以扩展到其他领域的少量数据生成任务中。

📄 摘要（原文）

Travel survey data are essential for transportation planning and travel behavior analysis, yet collecting large-scale representative samples is costly and time-consuming. A practical alternative is to generate synthetic survey records from a few-shot sample. However, such samples provide incomplete coverage of heterogeneous traveler groups and insufficient evidence for recovering the complex dependencies between demographic characteristics and travel behavior. Existing approaches have complementary limitations. Probabilistic generative models such as Bayesian networks (BNs) offer explicit distributional control, but structures learned from few-shot samples may omit meaningful dependencies or retain spurious ones. Large language models (LLMs) can help address these difficulties in BN structure learning by providing behavioral knowledge that complements the limited statistical evidence. We therefore propose LEBGen, an LLM-enhanced BN framework that uses this knowledge to refine network structure for few-shot travel survey data generation. Specifically, the LLM first identifies traveler personas from demographic attribute and travel behavior statistics, then recovers dependencies missed by the persona-augmented BN structure and prune spurious ones. The refined BN is parameterized exclusively from the observed data to generate synthetic records. Under a 2% few-shot setting on the 2022 Hong Kong Travel Characteristics Survey, LEBGen reduces the mean marginal Jensen-Shannon divergence from 0.0671 to 0.0091 and the mean absolute Cramer's V error by 14.3% over the best-performing baseline, substantially improving both distributional and dependency fidelity.