Data-Gouv-FR/part-de-voitures-particulieres-vp-par-vignette-critair

该指标表示每年1月1日按CritAir标签分类的私家车（VP）比例，分为8个类别：CritAir E、CritAir 1、CritAir 2、CritAir 3、CritAir 4、CritAir 5、未分类、未知。

Lindicateur représente la part de voitures particulières (VP) par vignette critair au 1er janvier de chaque année réparties selon 8 classes : CritAir E, CritAir 1, CritAir 2, CritAir 3, Critair 4, Critair 5, Non classé, Inconnu

搜集汇总

数据集介绍

构建方式

该数据集源自法国政府开放数据平台data.gouv.fr，经过系统化整理与转换后托管于Hugging Face平台。原始数据以Parquet格式存储，保留了tabular原生结构。数据集按照行政层级细分为五个子集，分别对应法国大区、省份、公共跨市合作机构（EPCI）及市镇等地理尺度，并包含一个字段描述子集用于辅助理解各变量含义。每个子集对应Hugging Face中的一个configuration，内部统一包含名为`train`的split，便于直接调用。

特点

数据集归纳了每年1月1日法国私人乘用车（VP）按Crit'Air环保贴纸类别分布的比例。车辆被划分为八个类别，包括Crit'Air E、1至5级、非分类及未知类型，清晰呈现不同排放标准下的车辆构成。多级地理聚合增强了数据的分析灵活性，既可用于全国或区域层面的宏观趋势剖析，也能支持市镇级别的精细研究。标准化存储格式与开放许可进一步提升了数据的可复用性与互操作能力。

使用方法

用户可通过Hugging Face的`datasets`库便捷加载所需子集，例如调用`load_dataset("Data-Gouv-ML/part-de-voitures-particulieres-vp-par-vignette-critair", "part-de-voitures-particulieres-vp-par-vignette-crit-air-region")`即可读取大区级别的数据。每个configuration均提供`train`分割，输出为标准的Datasets对象，支持直接进行筛选、聚合与可视化等操作。适用于环境政策评估、交通排放建模及城市可持续发展研究等场景。

背景与挑战

背景概述

该数据集由法国政府开放数据平台data.gouv.fr于2025年发布，旨在量化法国各地区乘用车根据Crit'Air环保标签的分布比例。核心研究问题聚焦于机动车污染排放的空间异质性，通过细分至大区、省、市镇及公共合作机构等多个行政层级，为环境政策评估与交通治理提供精细化的数据支撑。作为法国低排放区政策的重要参考工具，该数据集在环境经济学、城市规划与公共健康领域具有显著影响力，其开放复用特性也促进了跨学科研究合作。

当前挑战

主要挑战在于解决机动车排放数据颗粒度不足的领域问题，传统统计多局限于国家或省级层面，难以支撑城市级交通污染建模与政策模拟。构建过程中面临多重困境：首先需整合法国各地车辆注册系统的异构数据格式，其次需要动态更新每年1月1日的车辆状态，并处理Crit'Air分类中的大量“非分类”与“未知”标签带来的数据偏差。此外，确保隐私安全的同时维持空间分辨率，对数据聚合与脱敏技术提出了严苛要求。

常用场景

经典使用场景

在环境科学与交通政策交叉研究的广阔领域中，该数据集作为一项核心资源，被广泛用于分析法国境内不同行政区划（大区、省、市镇及公共合作机构）内私人乘用车的Crit'Air环保标签分布情况。研究者可通过该数据精准刻画各类排放标准车辆（从零排放的Crit'Air E到高污染的Crit'Air 5及未分类车辆）在特定时空下的构成比例，进而评估低排放区的实施效果或模拟不同交通管控政策对空气质量的影响。其多层级的地理粒度支持从宏观区域到微观社区的多尺度对比，是开展城市交通排放建模与政策评估的基石。

实际应用

在实际应用中，该数据集是法国各级政府实施和优化低排放区（ZFE）政策不可或缺的决策辅助工具。地方政府可以利用它精准识别区域内高污染车辆（如Crit'Air 4和5类）的保有量与分布热点，从而科学划定限行区域、设定过渡期时间表和制定报废补贴分配方案。对于交通咨询公司而言，该数据助力其开发面向公众的车辆环保标签查询应用，或为物流企业规划符合排放要求的配送路线。此外，房地产与城市规划领域也借助这些数据评估交通排放对周边地价与居住适宜性的影响，引导步行与骑行友好型社区的建设。

衍生相关工作

基于该数据集，学界已涌现出一系列富有启发性的衍生工作。部分研究者将其与法国全国交通调查、医院呼吸系统疾病记录或气象监测数据进行融合，构建了健康风险暴露评估模型，深入揭示不同Crit'Air标签车辆的比例变化对人群发病率的影响。另有工作将此数据作为核心特征，结合遥感土地的利用类型数据，训练预测城市街道颗粒物浓度的空间插值模型。在政策评估领域，学者们利用面板数据方法对比低排放区设立前后车辆标签结构的演变，量化了政策对老旧车辆淘汰速度及二手车市场流通格局的冲击效应。这些衍生研究不仅加深了对交通—环境—健康复杂关联机制的理解，也验证了该数据集作为公共开放科学资产的社会价值。