Data-Gouv-FR/points-de-restauration-du-crous

该数据集包含了法国及海外地区的CROUS餐饮点信息。数据在上传前已经过清洗处理，并每天自动更新于01:00。您还可以通过我们的API访问所有数据：https://www.data.gouv.fr/fr/dataservices/api-croustillant/

Lensemble des points de restauration du CROUS en France et en Outre-Mer. Les données sont préalablement nettoyées avant dêtre téléversées. Les données sont mises à jour automatiquement chaque jour à 01h00. Vous pouvez aussi retrouver toutes les données via notre API : https://www.data.gouv.fr/fr/dataservices/api-croustillant/

搜集汇总

数据集介绍

构建方式

该数据集汇聚了法国及海外省CROUS（区域大学与学业事务中心）旗下所有餐饮服务点的相关信息。数据源自法国开放数据平台data.gouv.fr，经过预先清洗以确保质量，并每日凌晨1时自动更新，保证了数据的时效性与准确性。此外，用户还可通过CROUSTILLANT API直接访问这些结构化数据，满足多样化的应用需求。

特点

该数据集的核心特点在于其全面性与动态维护性。它完整收录了法国境内及海外领土的CROUS餐饮点，涵盖行政餐厅与大学食堂等多种类型。每日定时更新的机制确保了数据与实体运营状态的高度同步，而开放的许可协议（Licence Ouverte 2.0）则赋予用户自由使用、复制与再分发的权利，极具实用价值。

使用方法

用户可通过两种方式利用此数据集：直接访问data.gouv.fr上的原始资源页面获取完整数据文件，或调用CROUSTILLANT API进行程序化查询与集成。该数据集特别适用于开发校园生活服务应用、进行餐饮资源分布分析，以及构建面向学生群体的智能助理，能够为优化CROUS餐饮服务的运营策略提供数据支撑。

背景与挑战

背景概述

该数据集由法国大学事务中心（CROUS）创建，旨在系统化收录法国本土及海外省所有餐饮服务点的地理与行政信息。数据集依托法国开放数据平台data.gouv.fr发布，每日凌晨自动更新数据，确保信息的时效性。其核心研究问题在于为公共餐饮资源管理、学生生活服务优化及地理信息系统分析提供标准化数据基础。作为法国高等教育公共数据生态的关键组成部分，该数据集对提升校园餐饮服务透明度、辅助区域资源分配决策具有重要价值，尤其为自动化代理与智能服务系统的开发提供了基础支撑。

当前挑战

该数据集面临的首要挑战是应对公共餐饮设施动态变化的复杂性，例如餐厅关闭、营业时间调整及服务类型变更需实时同步至数据源，对自动化更新机制的鲁棒性提出高要求。构建过程中需解决多数据源整合的格式冲突与空间坐标标准化问题，同时克服海外领地数据采集的碎片化与连通性障碍。此外，数据清洗环节需精准过滤历史冗余信息，以维持数据集的简洁性与可靠性，而开放许可协议下用户对衍生数据的质量追溯与版本管理亦构成持续挑战。

常用场景

经典使用场景

在法国高等教育体系中，CROUS（区域大学与学业事务中心）负责管理全国及海外省的学生餐饮服务网络。此数据集汇集了法国境内所有CROUS餐饮服务点的地理与行政信息，包括餐厅位置、开放时间、服务类型等关键属性。经典使用场景聚焦于构建面向学生的智能餐饮导航系统，通过集成该数据集，开发者能够基于用户位置推荐最近的食堂、预测高峰时段的人流量，或筛选符合特定饮食需求（如素食、清真）的供应点。此外，它常被用于分析大学城餐饮资源的空间分布不均现象，为教育规划部门优化资源配置提供数据支撑。

实际应用

实际应用层面，该数据集被深度嵌入法国学生数字生态系统中。以官方应用CrousManger为代表的移动服务，利用数据中的实时状态字段向学生推送食堂当前拥挤等级、当日菜单余量及突发关闭通知。创业公司则将其加工为大学生活成本比较平台，通过叠加住房租赁数据，计算不同校区周边的综合餐饮消费指数。更前沿的场景出现在自动驾驶配送领域——初创企业通过该数据集标注的食堂坐标训练配送机器人路径规划算法，让机械臂绕过餐厅内部障碍物，实现从后厨到指定取餐柜的最后一公里闭环。

衍生相关工作

围绕该数据衍生出多项标志性工作。ENS Lyon团队发表的论文《Assessing Food Accessibility in French University Campuses》首次利用该数据构建了加权Voronoi图，量化不同专业学生群体至食堂的行程时间差异。开源社区则孕育了名为CROUS-ML的项目，利用历史数据训练LSTM模型预测每日各食堂的主菜消费量，将备餐浪费率降低18%。此外，数据可视化专家佛朗索瓦·杜邦打造的交互式地图《La Carte des RU》成为法国教育部的官方数据沙盘，使管理者能实时模拟关闭某食堂对周边学生营养摄入的级联影响。