OpenTollData

该仓库提供与OpenStreetMap（OSM）中收费条目对应的收费价格和收费信息的开放公共数据。包含封闭式收费价格数据、开放式收费价格数据以及收费站点元数据，可用于路由引擎、导航服务或GPS应用等需要收费定价数据的项目。

This repository provides open public datasets of toll prices and toll-related information corresponding to toll entries in OpenStreetMap (OSM). It includes closed-type toll price data, open-type toll price data, and toll station metadata, which can be utilized in projects requiring toll pricing data such as routing engines, navigation services, or GPS applications.

原始信息汇总

OpenTollData 数据集概述

数据集简介

OpenTollData 是一个专注于收费公路数据的开源数据集，提供结构化收费价格数据和收费站元数据。

数据格式

封闭式收费价格数据

name_from, name_to, distance, price1, price2, price3, price4, price5

• 表示两个收费站之间的收费价格（封闭式系统）

开放式收费价格数据

name, distance, price1, price2, price3, price4, price5

• 表示开放式系统的固定收费价格

收费站信息数据

name, osm_name, operator_ref, lat, lon, nbs_booth, booth_node_id, booth_way_id, type, operator_osm

• 描述每个收费站的基本信息和元数据
• 包含来自OpenStreetMap的丰富元数据

数据处理流程

数据准备阶段

1. 选择运营商
2. 创建封闭式收费价格CSV文件
3. 创建收费站名称列表CSV文件

数据标准化

• 所有站点名称必须使用标准化函数进行规范化处理
• 名称作为唯一主键使用
• 不同站点不能规范化为相同名称

数据采集与整合

1. 从OpenStreetMap获取收费站数据
2. 将Overpass Turbo结果转换为CSV格式
3. 合并运营商数据与OSM数据

数据完善

• 手动验证和补充缺失信息
• 识别特殊收费系统类型（如开放式定价系统）
• 验证收费站位置和元数据

输出文件

• 开放式收费价格文件
• 封闭式收费价格文件
• 收费站元数据文件（OSM增强）

数据应用

• 生成聚合JSON格式数据
• 支持路由引擎成本估算
• 计算每条道路的平均收费成本和最低收费成本

搜集汇总

数据集介绍

构建方式

在交通收费系统研究领域，OpenTollData数据集通过多源数据融合的方式构建。其核心流程始于选定特定收费运营商，随后依据封闭式和开放式收费系统的差异分别创建结构化CSV文件，其中收费站名称需经过Unicode规范化处理以确保唯一性。数据采集环节利用Overpass Turbo脚本从OpenStreetMap平台提取收费亭地理坐标与元数据，再通过专用合并脚本将运营商数据与OSM数据进行智能匹配。对于特殊收费模式（如开放式定价），系统会设置类型标识并纳入对应价格文件，最终通过人工校验完善地理坐标与元数据，形成完整的收费信息体系。

特点

该数据集最显著的特征在于其双重收费体系架构，同时涵盖封闭式与开放式两种计价模式。数据维度设计科学严谨，封闭式收费记录包含起止站点、里程及五级价格梯度，开放式收费则采用固定费率结构。所有收费站均通过标准化名称作为主键标识，并与OpenStreetMap的空间数据深度整合，形成包含经纬度坐标、运营商编号、收费亭数量等丰富属性的地理信息网络。特别值得注意的是，数据集通过类型字段清晰区分特殊收费场景，为路径规划算法的成本计算提供了精准的底层支持。

使用方法

研究人员可通过解析生成的聚合JSON文件直接调用收费数据，该文件完整保留了原始CSV的结构化特征。对于路径规划等应用场景，可利用配套脚本计算每条道路的平均或最低通行成本，生成可供路由引擎调用的优化数据。实际操作时需遵循标准化工作流：从运营商选择开始，依次完成数据提取、名称规范化、OSM数据匹配、人工校验等步骤，最终通过专用脚本生成机器可读的JSON格式。这种模块化设计既保证了数据处理的规范性，又为不同研究需求提供了灵活的数据接口。

背景与挑战

背景概述

OpenTollData数据集由交通地理信息研究团队于2020年代初期构建，聚焦于全球公路收费系统的结构化数据整合。该数据集通过融合运营商原始数据与OpenStreetMap开放地理数据，系统化收录了封闭式与开放式收费站的时空坐标、收费标准及运营元数据，为智能交通成本优化、路径规划算法验证及收费政策分析提供了关键基准数据。其多模态数据架构显著推动了交通经济学与地理信息科学的交叉研究，成为开放数据生态在交通领域的重要实践范例。

当前挑战

在解决公路收费动态建模问题时，数据集需应对不同国家收费策略的异构性，包括封闭式里程计价与开放式统一费率的复杂转换。数据构建过程中面临多重挑战：运营商原始数据与开放地理数据的语义对齐需要解决命名规范差异，例如收费站名称标准化时需规避哈希冲突；OSM数据采集存在空间覆盖不全与属性缺失，导致部分收费站点元数据无法自动匹配；特殊收费规则（如开放系统标识符）需人工介入标注，增加了数据清洗的复杂度。

常用场景

经典使用场景

在智能交通系统研究中，OpenTollData数据集为收费公路网络分析提供了标准化数据支持。该数据集通过整合封闭式和开放式收费系统的价格信息与地理空间数据，常用于构建多维度收费模型。研究人员可基于其结构化数据开展路径成本优化、收费策略评估等经典场景分析，为交通流量预测和基础设施规划提供量化依据。

衍生相关工作

基于该数据集衍生的经典工作包括多模态路径成本计算框架的构建。研究者通过开发数据融合算法，实现了收费数据与实时交通流的动态耦合。这些成果进一步推动了开源路由引擎的收费模块升级，并催生了基于机器学习的跨区域收费预测模型等创新研究方向。

数据集最近研究

最新研究方向

在智能交通系统领域，OpenTollData数据集正推动着收费道路网络动态建模的前沿探索。研究者们正致力于整合多源地理空间数据与实时交通流信息，通过机器学习算法优化路径成本预测模型，特别是在应对复杂路网结构和差异化收费策略方面展现出突破性进展。该数据集与OpenStreetMap的深度耦合催生了空间语义增强技术的新热点，使得收费站点拓扑关系识别精度显著提升。此类研究不仅为自动驾驶系统的路径规划模块提供关键支撑，更通过量化分析收费政策对交通行为的影响，为可持续城市交通治理提供决策依据。