有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
RRNCO real-world VRP dataset|车辆路径问题数据集|神经组合优化数据集
收藏arXiv2025-03-20 更新2025-03-22 收录
下载链接：
https://github.com/ai4co/real-routing-nco
下载链接
链接失效反馈资源简介：
RRNCO真实世界VRP数据集是由韩国釜山大学、韩国科学技术院(KAIST)和Omelet公司共同创建的。该数据集包含了来自全球100个城市的真实世界数据，每个城市都包含了地点、距离和持续时间矩阵等信息，考虑了实际的路由距离和持续时间，旨在为训练和测试神经组合优化模型提供多样化的城市拓扑结构和实际的路由信息。
提供机构：
韩国釜山大学, 韩国科学技术院(KAIST), Omelet公司
创建时间：
2025-03-20
AI搜集汇总
数据集介绍
构建方式
RRNCO数据集的构建过程分为三个主要步骤。首先，基于多维城市描述符（如形态、交通流模式、土地利用混合度）从全球范围内选取了100个城市，确保地理和城市布局的多样性。其次，利用开源路由机器（OSRM）生成城市地图，提取精确的地理坐标及其对应的距离和持续时间矩阵。最后，通过对这些拓扑数据进行高效子采样，生成具有不同操作约束的多样化VRP实例，保留了空间关系并快速生成实例。
特点
RRNCO数据集的特点在于其真实性和多样性。数据集涵盖了100个城市的实际路由数据，包括距离和持续时间矩阵，这些数据通过OSRM计算得出，反映了现实世界中的不对称性和复杂性。数据集不仅包含城市的地理坐标，还生成了节点特定的特征，如需求和时间窗口，确保了数据集的广泛适用性和现实世界的代表性。
使用方法
RRNCO数据集的使用方法主要围绕神经组合优化（NCO）模型的训练和测试展开。研究人员可以利用该数据集训练NCO模型，以解决现实世界中的车辆路径问题（VRP）。数据集提供了丰富的节点和边特征，支持模型在处理不对称距离和持续时间时捕捉复杂的结构信息。通过动态生成实例，数据集能够支持大规模的深度学习模型训练，并促进模型在真实场景中的部署和应用。
背景与挑战
背景概述
RRNCO（Real Routing Neural Combinatorial Optimization）数据集由KAIST和Omelet的研究团队于2025年推出，旨在解决现实世界中的车辆路径规划问题（VRP）。该数据集涵盖了全球100个城市的真实地理数据，包括位置坐标、距离矩阵和旅行时间矩阵，数据来源于Open Source Routing Machine（OSRM）。RRNCO的推出填补了神经组合优化（NCO）在合成数据与现实世界数据之间的鸿沟，特别是在处理非对称距离和旅行时间等复杂场景时。该数据集不仅为NCO模型提供了丰富的训练和测试数据，还推动了物流、供应链管理和城市交通等领域的研究与应用。
当前挑战
RRNCO数据集面临的挑战主要体现在两个方面。首先，现实世界的车辆路径规划问题具有高度的复杂性，包括非对称的旅行时间和距离、多样化的道路网络条件以及复杂的操作约束，这些因素使得传统的合成数据集难以有效模拟真实场景。其次，构建该数据集的过程中，研究人员需要处理大规模的地理数据，并通过OSRM生成精确的距离和时间矩阵，这一过程对计算资源和数据处理能力提出了极高的要求。此外，如何将节点和边的特征有效整合到NCO模型中，以捕捉现实世界中的复杂结构关系，也是该领域的一大挑战。
常用场景
经典使用场景
RRNCO数据集在车辆路径问题（VRP）的研究中具有广泛的应用场景，尤其是在需要处理真实世界复杂性的场景中。该数据集通过提供来自100个城市的真实距离和持续时间矩阵，能够有效模拟现实中的不对称路径和交通状况。经典的使用场景包括物流配送、城市交通规划以及灾难应急响应中的路径优化。研究人员可以利用该数据集训练和测试神经组合优化（NCO）模型，以解决复杂的VRP问题。
衍生相关工作
RRNCO数据集的发布推动了多个相关领域的研究进展。基于该数据集，研究人员开发了多种改进的NCO模型，如结合上下文门控和自适应偏置机制的模型，这些模型在真实世界的VRP问题上表现出色。此外，RRNCO数据集还激发了更多关于如何有效处理边缘特征和节点特征的研究，进一步推动了神经组合优化领域的发展。许多经典工作，如MatNet和POMO等，也在RRNCO数据集的基础上进行了扩展和改进，展示了该数据集在学术研究中的重要影响力。
数据集最近研究
最新研究方向
近年来，RRNCO（Real Routing Neural Combinatorial Optimization）数据集在车辆路径问题（VRP）领域的研究方向主要集中在如何将神经组合优化（NCO）方法从合成数据环境迁移到真实世界的复杂场景中。传统NCO方法在处理真实世界的不对称距离和旅行时间时表现不佳，主要依赖于简化的欧几里得距离假设，无法捕捉真实路网中的复杂约束条件。RRNCO通过引入包含100个城市的真实数据集，结合Open Source Routing Machine（OSRM）生成的距离和持续时间矩阵，填补了这一空白。研究热点包括如何通过上下文门控机制和神经自适应偏置模块（AAFM）有效处理节点和边的特征，从而捕捉节点之间的结构关系。这一方向的研究不仅提升了NCO在真实世界VRP中的性能，还为物流、供应链管理和城市交通等领域的优化提供了新的解决方案。RRNCO的开源数据集和代码进一步推动了该领域的开放研究，促进了更广泛的学术和工业应用。
相关研究论文
- 1Neural Combinatorial Optimization for Real-World Routing韩国釜山大学, 韩国科学技术院(KAIST), Omelet公司 · 2025年
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国空气质量数据集（2014-2020年）
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI，包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台，每日更新。数据集的原始文件为CSV的文本记录，通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
MedDialog
MedDialog数据集（中文）包含了医生和患者之间的对话（中文）。它有110万个对话和400万个话语。数据还在不断增长，会有更多的对话加入。原始对话来自好大夫网。
github 收录
中国区域交通网络数据集
该数据集包含中国各区域的交通网络信息，包括道路、铁路、航空和水路等多种交通方式的网络结构和连接关系。数据集详细记录了各交通节点的位置、交通线路的类型、长度、容量以及相关的交通流量信息。
data.stats.gov.cn 收录
中国气象数据
本数据集包含了中国2023年1月至11月的气象数据，包括日照时间、降雨量、温度、风速等关键数据。通过这些数据，可以深入了解气象现象对不同地区的影响，并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。
github 收录
AgiBot World
为了进一步推动通用具身智能领域研究进展，让高质量机器人数据触手可及，作为上海模塑申城语料普惠计划中的一份子，智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思，重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目，旨在构建国际领先的开源技术底座，标志着具身智能领域 「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集，AgiBot World 的长程数据规模高出 10 倍，场景范围覆盖面扩大 100 倍，数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能，从抓取、放置、推、拉等基础操作，到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互，几乎涵盖了日常生活所需的绝大多数动作需求。
github 收录