eVED

扩展车辆能量数据集（eVED）是一个大规模的数据集，旨在用于车辆能量消耗分析。在原始的车辆能量数据集（VED）基础上，eVED增加了精确的GPS坐标，使得可以将VED的行驶记录与地图服务提供的外部信息（例如道路速度限制和交叉路口信息）相结合。这个数据集提供了诸如道路高度、速度限制、交叉路口等多种新的属性，以支持对车辆能量消耗的详细分析。

The Extended Vehicle Energy Dataset (eVED) is a large-scale dataset intended for vehicle energy consumption analysis. Built upon the original Vehicle Energy Dataset (VED), eVED adds precise GPS coordinates, enabling the integration of VED's driving records with external information provided by map services, such as road speed limits and intersection details. This dataset offers multiple new attributes including road elevation, speed limits, intersections and more, to support detailed analysis of vehicle energy consumption.

原始信息汇总

eVED - 扩展车辆能源数据集

数据集概述

eVED是Vehicle Energy Dataset (VED)的扩展版本，是一个面向车辆能源消耗分析的大规模数据集。相比原始VED版本，eVED通过增强精确的GPS坐标信息，能够将行程记录与外部信息（如道路限速和交叉口信息）进行关联。

核心特性

• 数据增强：对原始VED的所有GPS轨迹记录进行了校准
• 多源数据整合：关联了来自多个地理信息服务的新属性
• 应用价值：为详细分析车辆能源消耗提供相关且必要的属性

数据来源

• Geographic Information System (QGIS)
• Overpass API
• OpenStreetMap API
• Google Maps API

新增属性统计

属性类型	记录数量
道路高程	12,609,170
限速	12,203,044
带方向的限速（双向道路）	12,281,719
交叉口	584,551
公交站点	429,638
人行横道	312,196
交通信号灯	195,856
停车标志	29,397
转换环路	5,848
平交道口	4,053
环岛	3,554
高速公路匝道	2,938

引用信息

使用本数据集时请引用原始VED：https://github.com/gsoh/VED

相关论文

Vehicle Energy Dataset (VED), A Large-scale Dataset for Vehicle Energy Consumption Research

• 作者：Geunseob (GS) Oh, David J. LeBlanc, Huei Peng
• 期刊：IEEE Transactions on Intelligent Transportation Systems (T-ITS), 2020
• DOI：https://doi.org/10.1109/TITS.2020.3035596
• arXiv：https://arxiv.org/pdf/1905.02081.pdf

许可信息

许可证：apache-2.0 与原始VED数据集相同的许可证

搜集汇总

数据集介绍

构建方式

在车辆能源研究领域，eVED数据集作为VED的扩展版本，通过集成多源地理信息系统实现了数据增强。原始VED的GPS轨迹经过精密校准后，融合了来自QGIS、Overpass API、OpenStreetMap API和Google Maps API的实时道路属性，构建出包含1280万条高程记录、1220万条限速数据及58万条交叉路口信息的立体化交通网络拓扑。

使用方法

研究人员可借助该数据集开展车辆能耗与道路基础设施的关联分析，通过时空匹配算法将行程记录与外部地图服务动态关联。具体应用时，建议采用分层解析策略：先基于GPS轨迹重建车辆运行剖面，再叠加道路坡度、交通管制等环境变量，最终构建考虑实际路况的能源预测模型。

背景与挑战

背景概述

在智能交通系统研究领域，车辆能耗分析作为优化能源效率和减少碳排放的关键课题，亟需高质量的多源数据支撑。eVED数据集由密歇根大学Geunseob Oh等学者于2020年基于原始VED数据集扩展构建，通过整合高精度GPS轨迹与多平台地理信息系统数据，为解决复杂交通环境下的车辆能耗建模提供了大规模时空基准。该数据集通过IEEE Transactions on Intelligent Transportation Systems发表后，显著推动了智能导航、能耗预测与可持续交通政策的交叉研究。

当前挑战

车辆能耗研究长期面临动态环境因素量化不足的挑战，eVED通过关联道路坡度、限速规则等12类地理属性，解决了传统方法中静态参数无法反映实际驾驶场景的局限。在数据构建过程中，研究团队需克服多源时空数据校准的技术难题，包括原始GPS轨迹的坐标纠偏、异构地图API的数据融合，以及数百万条交通要素记录的拓扑一致性维护。

常用场景

经典使用场景

在智能交通系统研究中，eVED数据集凭借其融合高精度GPS轨迹与多源地理信息的特性，成为车辆能耗建模领域的基准工具。研究者通过整合道路坡度、限速规则及交通设施分布等维度，能够构建精细化的能量消耗预测模型，尤其适用于分析复杂城市路网中传统燃油车与电动车的能效差异。

解决学术问题

该数据集有效解决了车辆能耗研究中多模态数据融合的学术挑战，通过校准原始VED轨迹并关联开放式地图数据，为量化道路拓扑结构对能耗的影响提供了实证基础。其价值体现在突破传统能耗模型对理想驾驶场景的依赖，使学者能深入探究交通管制设施、道路等级与能耗波动的因果关系。

实际应用

于产业实践层面，eVED支撑着智能导航系统的能效优化算法开发。汽车制造商可依据不同道路配置的能耗特征，设计自适应巡航控制系统；城市规划部门则能借助交叉口与公交站点的能耗热点分析，优化交通流线设计以降低区域总体碳排放。

数据集最近研究

最新研究方向

在智能交通系统领域，eVED数据集凭借其增强的GPS轨迹与多源地理信息融合特性，正推动车辆能耗研究向精细化方向发展。当前前沿研究聚焦于利用高程数据、道路限速及交通设施属性构建动态能耗预测模型，结合机器学习方法分析复杂城市路网对电动车辆能效的影响。这一数据集为智慧城市交通管理提供了关键数据支撑，尤其在碳中和目标背景下，其多模态时空数据能力显著提升了车辆路径规划与能源策略优化的研究深度。