Gaspy

该数据集记录了新西兰主要城市中加油站汽油和柴油的价格信息，包括加油站标识符、燃料类型、品牌、位置坐标、价格和更新时间。

This dataset records gasoline and diesel price information for gas stations in major cities across New Zealand, including station identifiers, fuel types, brands, geographic coordinates, prices, and update timestamps.

搜集汇总

数据集介绍

构建方式

在能源价格监测领域，Gaspy数据集通过众包方式系统性地采集新西兰主要城市的燃油价格信息。该数据集由驾驶员实地读取加油站油泵标价并上传至Gaspy平台，采用时空双维度架构进行组织：按月份建立文件夹层级，每日数据文件以UTC时间6:00为基准记录价格快照。数据表包含加油站地理编码、燃油品类、品牌归属、经纬度坐标等核心字段，其中价格数据以新西兰元/百升为单位，时间戳精确记录上传时刻，并标注可能存在10分钟以内的采集延迟。

特点

该数据集呈现出多模态时空数据的典型特征，既包含静态的加油站地理位置与品牌属性，又动态记录91/95/98号无铅汽油及柴油四类燃油的每日价格波动。其独特价值体现在地理哈希定位机制带来的数据冗余性——同一地理区域可能对应多个加油站标识，这为研究区域价格竞争提供了天然实验场。数据时间跨度呈现连续性特征，但需注意品牌字段存在部分缺失值，这种非完美性恰好反映了真实世界数据采集的复杂性。

使用方法

研究者可结合stations.csv中的加油站元数据，通过station_id实现动态价格记录与静态属性的关联分析。建议先将pandas.Timestamp类型的时间序列数据标准化，再根据geo_hash字段进行空间聚类，可有效解决因地理编码非唯一性导致的数据映射问题。典型应用场景包括：基于经纬度坐标的空间价格差异分析、不同品牌间的定价策略比较、以及结合时间序列预测模型的燃油价格波动规律研究。需特别注意价格数据的计量单位转换，并验证时间戳与文件命名规则的一致性。

背景与挑战

背景概述

Gaspy数据集作为新西兰主要城市燃油价格动态监测的重要资源，由Gaspy平台用户通过实地读取加油站油泵价格并上传构建而成。该数据集自2025年起系统收录，涵盖了91号、95号、98号无铅汽油及柴油等多种燃料类型的实时价格信息，并整合了加油站地理位置、品牌标识等多维数据。其构建旨在支持能源市场分析、交通经济学研究及区域价格波动建模，为政策制定者和研究人员提供了高时空分辨率的观测基础。

当前挑战

该数据集核心挑战在于解决燃油价格时空动态追踪的复杂性，需应对多品牌加油站价格异构性、用户上报数据的质量校验以及地理哈希编码导致的站点标识模糊问题。构建过程中，面临数据采集延迟（如脚本触发存在10分钟偏差）、非唯一性地理编码引发的站点匹配歧义，以及未知品牌站点的数据整合困难等技术瓶颈，这些因素共同增加了数据清洗与标准化分析的难度。

常用场景

经典使用场景

在能源经济学与地理信息系统交叉领域，Gaspy数据集为研究新西兰主要城市的燃油价格动态提供了宝贵资源。该数据集通过记录驾驶员实地采集并上传至gaspy网站的加油站油价信息，构建了包含时间序列、地理坐标和燃油类型的多维度观测网络。其经典应用场景包括分析区域性价格波动规律、追踪不同品牌加油站的定价策略差异，以及探究时空维度下燃油市场的竞争格局。

实际应用

在商业智能领域，物流企业利用该数据优化运输路线以降低燃油成本，政府监管部门借助时空价格监测识别市场异常波动。消费者可通过历史价格趋势预测最佳加油时机，而能源公司则能基于竞争态势分析制定动态定价策略。这些应用显著提升了市场透明度和资源配置效率，体现了开放数据对民生经济与行业决策的实际价值。

衍生相关工作

以Gaspy数据集为基础衍生的经典研究包括基于机器学习的时间序列预测模型，如利用LSTM网络预测短期油价波动；结合卫星遥感数据的空间分析框架，探索城市形态与能源消费的关联性；还有研究将其与交通流量数据融合，构建了燃油需求弹性测算模型。这些工作显著拓展了能源数据分析的方法论边界，催生了多篇发表于能源经济与数据科学领域的高水平学术成果。