Data-Gouv-FR/liste-des-trains-sncf-supprimes

SNCF取消列车列表，该数据集提取自SNCF的开放API。这是一个关于法国国家铁路公司取消列车的列表，可能包含不完整或错误信息，建议用户通过SNCF官方页面验证列车运行状态。数据集包含以下列：出发日期、出发站、到达站、出发时间、到达时间、列车号和列车类型。

Liste des trains SNCF supprimés, extraite de lAPI ouverte de la SNCF. Le code source est disponible ici. ⚠️ Travail en cours, la liste nest peut-être pas exhaustive et peut comporter des erreurs. Pour vérifier si votre train circule, rendez-vous sur la page dédiée de la SNCF. Liste des colonnes : departure_date, departure, arrival, departure_time, arrival_time, headsign, type.

搜集汇总

数据集介绍

构建方式

该数据集源自法国国家铁路公司（SNCF）的开放API，经由data.gouv.fr平台官方发布，并由开发者通过自动化脚本持续抓取和整理而成。在HuggingFace上，每个原始tabular资源被映射为一个独立的子集配置，每个配置包含一个名为'train'的拆分，数据以Parquet格式存储，确保了高效的读取与处理能力。数据集涵盖了从2026年5月23日至30日的每日被取消列车记录。

使用方法

用户可通过加载'Data-Gouv-FR/liste-des-trains-sncf-supprimes'数据集，并指定如'tr-rm-20260530'的子集配置来获取特定日期的取消列表。利用HuggingFace的'load_dataset'函数，数据可快速转换为易操作的DataFrame格式，便于后续的统计分析、可视化或与其它交通数据源进行交叉验证。

背景与挑战

背景概述

该数据集源于法国国家铁路公司（SNCF）开放的列车运行数据API，由数据工程师Antoine Augusti等人于2023年创建并维护，旨在系统性地记录因各种原因被取消的SNCF列车班次信息。数据集托管于法国政府开放数据平台data.gouv.fr，遵循ODC-ODbL许可协议，并以每日更新的Parquet格式文件呈现，覆盖从2026年5月23日至30日的取消记录。核心研究问题围绕公共交通服务的可靠性评估与透明度提升，为政策制定者、交通研究人员及乘客提供了量化分析列车取消模式与时空分布的宝贵资源。该数据集在法国开放数据生态中具有里程碑意义，推动了公共交通数据的民主化利用，并为类似铁路系统的服务质量监测树立了范例。

当前挑战

领域层面，该数据集直面公共交通领域长期存在的服务透明度缺失痛点，即列车取消信息分散、非标准化且难以追溯，阻碍了公众对铁路运营可靠性的有效监督与学术层面的系统性分析。构建过程中，数据采集依赖SNCF官方API的接口稳定性与数据完整性，API的更新频率与数据覆盖面直接影响数据集的时效性与代表性；同时，原始数据可能因技术故障、人为录入错误或API文档变更而存在漏报或偏差，维护者需设计健壮的数据清洗与验证流程以降低噪声。此外，每日更新的多版本数据带来了版本管理与长期存储的挑战，确保历史数据的可复现性与兼容性亦是非易事。

常用场景

经典使用场景

在交通数据分析与公共政策评估领域，该数据集被广泛用于研究法国国家铁路公司（SNCF）列车取消的时空分布规律。研究者通过挖掘包含出发日期、车站、时刻及列车类型等核心字段的每日快照档案，能够系统性地刻画取消事件的高发时段、瓶颈站点或线路，并揭示取消频率与节假日、天气或运营调整之间的潜在关联。依托于开放数据平台提供的连续快照，数据集支持从微观的某班次异常到宏观的月度趋势等多尺度分析，成为理解铁路运营可靠性与服务质量的基石。

解决学术问题

该数据集着力解决的核心学术议题在于量化评估大规模公共交通系统的运营稳定性与延误传播机制。通过构建基于列车取消事件的统计模型，学者们得以突破以往依赖有限调查或间接指标的局限，首次以透明、可复现的方式测试乘客权益保护法规的实施成效。此外，数据集中每日更新的结构天然适配时序预测与异常检测框架，可用于反事实推理——例如估算若未取消特定班次对换乘客流造成的级联影响，从而为优化应急预案与时刻表容错设计提供实证依据。

实际应用

在实际应用中，该数据集支撑着从乘客信息服务到铁路调度决策的多层次场景。第三方开发者基于发布的每日快照构建列车运行状态追踪工具，使旅客能够在官方渠道之外交叉验证行程是否受到取消影响；交通运输研究机构则利用历史快照训练预测模型，辅助运营方预判潜在的中继保障需求。同时，公共数据倡导者借助该数据集监察铁路公司是否履行信息披露与补偿义务，推动透明问责机制扎根于公共服务生态系统之中。

数据集最近研究

最新研究方向

该数据集聚焦法国国家铁路公司（SNCF）列车取消记录的开放数据实践，为研究铁路运营可靠性、服务质量评估及公众出行体验提供了宝贵素材。近期前沿方向涵盖基于历史取消模式的预测模型构建、列车运力调配优化，以及与气候变化（如极端天气）关联的频次分析，同时推动法国本土公共数据透明化进程。作为数据.gouv.fr生态的重要组成，该语料库在促进交通政策制定、运营效率提升及乘客权益保护方面具有深远意义。