Data-Gouv-FR/bases-de-donnees-annuelles-des-accidents-corporels-de-la-circulation-routiere-annees-de-2005-a-2

该数据集是法国及海外领土（包括大都市区、海外省和其他海外领土）2005年至2024年每年的人身道路交通事故年度数据库。数据源自国家人身交通事故档案（BAAC），由警方等执法单位在现场收集的事故信息组成。数据集包含简化的事故描述，涵盖事故特征、地点、涉及的车辆及其受害者信息，并以CSV格式分为四个文件：特征、地点、车辆和用户。出于隐私保护原因，数据集隐藏了部分与用户和车辆相关的敏感数据，以避免识别个人或暴露其行为。注意：2018年后的住院伤者数据与往年不可直接比较，且部分指标由公共统计机构标注。使用数据时需参考BAAC表格和编码指南以确保统计有效性。Bases de données annuelles des accidents corporels de la circulation routière - Années de 2005 à 2024. For each bodily injury accident (i.e., an accident occurring on a public road, involving at least one vehicle and causing at least one victim requiring medical care), information is recorded by law enforcement units (police, gendarmerie, etc.) present at the accident scene. This data is compiled into a form called the bulletin danalyse des accidents corporels, and all forms constitute the national file of bodily injury traffic accidents, known as the Fichier BAAC, managed by the National Interministerial Road Safety Observatory (ONISR). The databases, extracted from the BAAC file, list all bodily injury traffic accidents that occurred during a specific year in metropolitan France, overseas departments (Guadeloupe, Guyana, Martinique, Réunion, and Mayotte since 2012), and other overseas territories (Saint-Pierre-et-Miquelon, Saint-Barthélemy, Saint-Martin, Wallis-et-Futuna, French Polynesia, and New Caledonia; available in open data only from 2019) with a simplified description. This includes accident location information, as well as details about accident characteristics and location, vehicles involved, and their victims. Compared to aggregated databases 2005-2010 and 2006-2011 currently available on data.gouv.fr, the databases from 2005 to 2024 are now annual and consist of 4 files (Characteristics – Locations – Vehicles – Users) in CSV format. However, these databases obscure certain specific data related to users and vehicles and their behavior, as disclosure could infringe on personal privacy or reveal behavior that might harm individuals. Caution: Data on hospitalized injuries from 2018 onward cannot be compared to previous years due to changes in law enforcement recording processes. Statistical use requires careful reference to BAAC forms and coding guides.

搜集汇总

数据集介绍

构建方式

该数据集源自法国国家跨部门道路安全观察所（ONISR）管理的“BAAC”档案，即《人身伤害事故分析公报》的汇编。自2005年至2024年，每年由执法单位（如警察、宪兵）在公开道路交通事故现场采集信息，记录事故特征、地点、涉及车辆及受害者详情。数据经整理后形成年度开放数据库，包含四个CSV文件：Caractéristiques（特征）、Lieux（地点）、Véhicules（车辆）和Usagers（用户），覆盖法国本土、海外省及海外领地，并遵循隐私保护规定隐藏部分敏感信息。

使用方法

用户可通过HuggingFace页面引用的data.gouv.fr链接直接下载年度数据库，获取CSV格式的四个子文件。使用时需结合BAAC公报的编码指南，理解各变量定义，以确保统计有效性。推荐在道路安全研究、事故趋势分析或政策评估中应用，但需注意指标间的时序可比性，特别是2018年前后的“住院伤员”数据需谨慎处理。同时，可参考ONISR官网的认证指标列表，辅助科学分析与报告撰写。

背景与挑战

背景概述

该数据集由法国国家跨部门道路交通安全观察站（ONISR）创建，涵盖了2005年至2024年法国本土及海外领土的道路交通人身伤害事故记录。核心研究问题在于系统化收集和整理涉及至少一辆车辆且造成至少一人受伤的交通事故信息，包括事故特征、地点、涉事车辆及受害者等数据。作为法国官方交通事故统计的基础文件（BAAC），该数据集对道路交通安全研究、政策制定和预防策略评估具有重要影响力，为分析长期事故趋势和区域差异提供了权威数据源。

当前挑战

领域问题挑战在于交通事故数据的复杂性和敏感性，需要平衡信息公开与个人隐私保护，某些涉及用户和车辆行为的具体数据因隐私法规（如CADA意见）被遮蔽。构建过程中面临数据一致性挑战，自2018年起因执法机构录入流程变更，住院伤者指标统计口径与前序年份不可比，且2019年后该指标不再获得官方统计认证。此外，各年份数据集由四个独立文件（特征、地点、车辆、用户）组成，需结合BAAC编码指南进行精确的跨表关联和统计验证，确保分析结果的可靠性。

常用场景

经典使用场景

在交通安全与公共政策研究领域，BAAC数据集堪称奠基性资源，其经典用例聚焦于剖析法国本土及海外领地历年道路交通事故的时空分布与致因机理。研究者通常依托该数据集的四个核心模块——事故特征、事发地点、涉事车辆与受害用户——展开多维度关联分析。例如，通过整合地理位置信息与事故严重程度，可揭示特定道路交叉口或气候条件下的风险集聚模式；而车辆类型与用户行为的交叉统计，则为量化不同出行方式的相对危险性提供了实证依据。这套结构化框架使得从宏观趋势（如年度死亡率变化）到微观机制（如酒驾与夜间事故的关联）的各类探索均能获得可靠的数据支撑。

解决学术问题

该数据集有效填补了法国公开道路安全数据中长期存在的碎片化与不一致性漏洞，尤其解决了跨年度、跨区域比较研究中因统计口径差异而导致的推断偏误。以往学者依赖的聚合数据（如2005-2010年与2006-2011年的压缩版本）无法支持精细的纵向因果分析，而BAAC年度逐条记录的发布则使控制年份固定效应成为可能。更重要的是，它为解决经典交通过失经济学问题——如限速政策、酒精检测法规或头盔法令对事故严重性的真实影响——提供了准实验设计的自然数据源。这些研究不仅验证了干预措施的边际效益，更推动了从单纯描述性统计向因果推断范式的学术跃迁。

实际应用

在现实世界中，BAAC数据集直接服务于法国国家道路安全局（ONISR）的年度安全绩效评估与政策效果审计。交通工程师与城市规划者利用其事故热力图，识别黑点路段并优先部署测速摄像头或改建环形交叉口；急救服务部门则基于时间戳与伤害严重性标签优化应急响应资源的地理配置。此外，保险公司将历史事故模式嵌入精算模型以动态调整保费；自动驾驶研发企业亦通过仿真环境注入这些真实事故场景，测试感知算法在暴雨、夜间或乡村道路上的可靠性。该数据作为公共治理与私营创新的交汇点，持续降低着从政策制定到产品落地的试错成本。

数据集最近研究

最新研究方向

该数据集作为法国官方道路安全统计的基石，涵盖了2005至2024年间法国本土及海外领土所有涉及人员伤亡的道路交通事故详细信息，包括事故地点、车辆与受害者特征。近年来的前沿研究方向聚焦于利用机器学习与时空分析技术深度挖掘多年度BAAC数据，以预测高风险路段与事故模式演变，尤其关注2018年后因警方记录流程变更导致的“住院伤员”指标断点问题及其对长期趋势建模的挑战。同时，结合法国《开放数据许可》推动的跨部门数据共享，研究者正致力于将此类行政记录与天气、交通流量等外部数据融合，构建更精细的道路风险预警系统，其意义在于为欧盟Vision Zero战略提供可复用的实证框架，并推动隐私保护下的交通事故致因理论革新。