Data-Gouv-FR/reseau-de-transports-collectifs-naolib

该数据集汇集了用于描述和实时跟踪南特大都会Naolib公共交通服务的不同数据流，遵循交通行业的主要数据交换标准。它同时包括静态数据和实时数据：静态数据包括GTFS（理论时刻表、站点和线路）、Netex Offre（完整的运输服务结构，符合欧洲NeTEx标准）和Netex Arrêts（站点详细信息，如位置、设施和换乘信息）；实时数据包括SIRI（完整的实时旅客信息交换协议）和SIRI-Lite（简化版本，用于快速获取下一班次信息）。每种资源都提供专用访问URL（静态数据通过文件，动态数据通过实时API）。This dataset aggregates various data flows available to describe and track in real-time the public transport services of Naolib in Nantes Métropole, following the main data exchange standards in the mobility sector. It includes both static data and real-time data: static data covers GTFS (theoretical schedules, stops, and lines), Netex Offre (complete transport service structure, compliant with the European NeTEx standard), and Netex Arrêts (detailed stop information such as location, facilities, and connections); real-time data includes SIRI (complete real-time passenger information exchange protocol) and SIRI-Lite (simplified version for quickly obtaining next departures at a stop). Each resource has a dedicated access URL (static data via files, dynamic data via real-time APIs).

搜集汇总

数据集介绍

构建方式

本数据集由法国公共数据平台data.gouv.fr官方发布，整合了南特都会区（Nantes Métropole）Naolib公共交通网络的多元数据流。数据集以Hugging Face仓库结构为组织框架，每个原始表格资源映射为一个独立的子集/配置，并统一包含名为'train'的分片。核心数据以Parquet格式存储在'data/reseau-transports-collectifs-naolib.parquet'文件中，确保了高效的压缩与读取性能。构建过程严格遵循数据源元数据中的lov2许可证，保证了数据的合法复用性。

特点

该数据集最显著的特征在于其兼具静态与实时双重维度。静态数据涵盖GTFS格式的理论时刻表、站点与线路信息，以及符合欧洲NeTEx标准的完整运输服务结构（NeTEx Offre）和站点详情（NeTEx Arrêts），提供了结构化的网络拓扑与运营规划。动态部分则通过SIRI协议及其简化版SIRI-Lite，以API接口方式提供实时乘客信息与到站预测，实现了历史数据存档与实时监控的无缝衔接，为多模态交通研究提供了丰富素材。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集。只需调用`load_dataset`函数，指定仓库名'Data-Gouv-ML/reseau-de-transports-collectifs-naolib'及配置名'reseau-transports-collectifs-naolib'，即可直接获取'train'分片，并利用Pandas或PyArrow等工具进行进一步的数据处理与分析。加载后的数据对象支持常见的切片、过滤与聚合操作，便于研究者快速提取南特Naolib网络的静态结构或结合实时API进行时序分析，从而开展交通规划、服务评估或智能出行应用开发。

背景与挑战

背景概述

Naolib公共交通网络数据集由法国南特都市圈创建，依托于data.gouv.fr开放数据平台，旨在系统整合该区域的公共交通服务数据。该数据集的核心研究问题在于如何通过标准化数据格式（如GTFS、NeTEx和SIRI协议）全面描述和实时追踪公交、电车等静态与动态运力信息，从而支撑智慧城市和出行即服务（MaaS）领域的研究。自其发布以来，该数据集为交通规划、算法优化及移动性分析提供了宝贵资源，推动了法国城市交通开放数据标准的发展，尤其在促进公共交通数据互操作性和实时应用方面具有重要影响力。

当前挑战

该数据集所解决的领域挑战在于应对城市公共交通系统中多源异构数据的整合难题——实时与静态数据（如GTFS格式的理论时刻表与SIRI协议下的实际到站时间）之间的对齐与冲突处理是核心技术难点。构建过程中，数据集面临数据采集的时序一致性挑战，来自不同API和文件的动态流数据需跨HTTP端点同步，同时需要确保符合开放式许可证（LOV2）下的发布合规性。此外，将原始的CSV或GTFS资源转换为高效的Parquet格式并组织为Hugging Face结构，涉及大规模数据预处理与版本控制的挑战，特别是在多模态数据融合和实时更新场景下。

常用场景

经典使用场景

在智能交通与城市计算领域，南特都会区Naolib公共交通网络数据集被广泛用于研究多模式交通网络的建模与分析。该数据集整合了静态数据（如GTFS格式的线路时刻表、NeTEx标准的交通供给结构以及车站详细信息）与实时动态数据（如SIRI及SIRI-Lite协议下的准实时车辆位置与到站预测），为构建精细化、高时效性的城市交通数字孪生体提供了坚实的数据底座。研究者通常利用其完备的时空粒度来开发换乘路径优化算法、分析站点间客流连通性，以及评估公共交通网络对区域可达性的影响。

衍生相关工作

基于Naolib数据集，学界与产业界已衍生出多项标志性工作，涵盖实时交通预测模型（如基于图神经网络的公交到站时间预测）、多模式换乘推荐系统（融合SIRI实时数据与NetEx供给结构）以及公共交通网络韧性分析框架（利用历史静态数据进行中断场景模拟）。此外，该数据集的开放许可特性催生了多个开源工具库（如GTFS-to-NetEx格式转换器与SIRI实时数据可视化仪表板），大幅降低了后续研究的复现门槛。这些衍生工作共同构建了从数据治理、算法设计到系统部署的一整套方法论，持续赋能城市交通领域的智能化转型。

数据集最近研究

最新研究方向

该数据集聚焦于南特大都市Naolib公共交通网络的静态与实时数据整合，涵盖了GTFS、NeTEx等静态时刻表结构以及SIRI协议下的实时动态信息，为智慧城市多模式交通协同优化、动态调度算法验证与数字孪生建模提供了高质量开放数据基础。近期研究前沿集中于利用该数据集进行实时到站预测、多源数据融合下的交通韧性分析，以及基于实时API的出行即服务应用开发，其开放许可与标准化接口设计有力推动了法国乃至欧洲公共交通数字化治理与低碳出行策略的实证探索。