vehicle-makes-models

一个免费、开放的汽车品牌、型号、世代和发动机规格数据集，覆盖全球范围，特别包含埃及市场车型（如Speranza、El Nasr），提供JSON、CSV和SQLite格式。数据集包含164个品牌、2,621个型号、7,169个世代和30,390个发动机变体，每周自动更新并发布版本化数据。

A free and open global dataset containing automobile brand, model, generation and engine specification information, with dedicated coverage of vehicle models available in the Egyptian market such as Speranza and El Nasr. The dataset is provided in JSON, CSV and SQLite formats, and includes 164 brands, 2,621 models, 7,169 generations and 30,390 engine variants. It is automatically updated on a weekly basis, with versioned data releases published regularly.

原始信息汇总

数据集概述：vehicle-makes-models

这是一个免费开源的数据集，涵盖全球汽车品牌、车型、代系和引擎规格，尤其包含了多数数据集遗漏的埃及市场品牌（如 Speranza、El Nasr）。数据以 JSON、CSV 和 SQLite 三种格式提供。

数据集规模

• 164 个品牌
• 2,621 个车型
• 7,169 个代系
• 30,390 个引擎变体

数据每周更新一次，以版本化发布的形式提供下载。

数据结构

数据集目录结构如下：

data/ json/ <make>.json # 每个品牌组一个JSON文件（如 toyota.json），采用三层嵌套结构 all.json # 所有品牌合并为单个数组 csv/ engines.csv # 引擎扁平表，每行一个引擎变体，包含23列 makes-models.csv # 车型便捷表，每行一个车型（品牌/车型/起始/结束年份） vehicles.sqlite # 规范化的 SQLite 数据库文件

JSON 数据结构（三层嵌套）

每个品牌的 JSON 文件按以下层级组织： 品牌组 → 品牌 → 车型 → 代系 → 引擎

每个引擎包含核心字段（如燃油类型、功率、扭矩、尺寸等）和一个 specs 映射，用于保留所有原始键值对。

示例层级：

group: "toyota" makes: [{ name: "Toyota" models: [{ name: "Corolla" yearStart: 1966, yearEnd: null generations: [{ name: "Corolla Sedan (2022)" yearStart: 2022, yearEnd: null, bodyType: null engines: [{ label: "1.8L CVT FWD (140 HP)" fuelType: "Hybrid Gasoline" cylinders: 4, powerHp: 140 drivetrain: "Front Wheel Drive", topSpeedKmh: 180 specs: { ... } }] }] }] }]

CSV 表格

• engines.csv：每行一个引擎变体，共23列，包括品牌组、品牌、车型、代系、引擎标签、燃油类型、气缸数、排量、功率、扭矩、变速箱、驱动方式、0-100加速、极速、油耗、尺寸等。空值保留为空字段。原始 specs 映射不在该 CSV 中。

• makes-models.csv：每行一个车型，共5列（品牌组、品牌、车型、起始年份、结束年份），方便快速查询。

SQLite 数据库

数据库采用规范化表结构，包含外键关系和 EAV 表用于原始规格：

• makes (id, group, name, country)
• models (id, make_id, name, year_start, year_end)
• generations (id, model_id, name, year_start, year_end, body_type)
• engines (id, generation_id, label, fuel_type, cylinders, displacement_cc, power_hp, torque_nm, transmission, drivetrain, zero_to_100_s, top_speed_kmh, fuel_economy_combined_l100, length_mm, width_mm, height_mm, wheelbase_mm, curb_weight_kg)
• engine_specs (id, engine_id, key, value) — EAV 表，每行一个原始规格键值对

数据库包含针对 models.make_id、generations.model_id、engines.generation_id 和 engine_specs.engine_id 的索引。

使用方式

• JSON：可通过导入 data/json/all.json 或单个品牌文件使用。
• CSV：可直接在 Excel/Sheets 中打开，或使用 Python csv 模块读取。
• SQLite：任何 SQLite 客户端均可使用，支持复杂查询，例如查询指定品牌的引擎变体或引擎原始规格。

数据构建

以 data/json/ 下的 JSON 文件为数据源，通过以下命令生成 CSV 和 SQLite 输出： bash pnpm install pnpm build pnpm test

构建过程会验证引擎粒度的数据一致性（JSON、CSV、SQLite 中的引擎数必须一致）。

许可证与数据来源

• 代码（data/ 目录外）：MIT 许可证
• 数据（data/ 目录内）：ODbL 1.0 许可证

品牌、车型、代系和引擎数据来源于 autoevolution.com 的公开信息，埃及市场数据（Speranza、El Nasr）为原创整理。使用数据需遵守 ODbL 1.0 的署名和相同方式共享要求。

贡献方式

欢迎提交修正。编辑 data/json/ 下的相关文件后运行 pnpm build，并在 Pull Request 中包含重新生成的 CSV/SQLite 文件。

搜集汇总

数据集介绍

构建方式

该数据集以车辆制造商为组织单位，通过爬取autoevolution.com等公开信息源，系统性地整理出涵盖164个品牌、2621个车型、7169个代系和30390种发动机规格的层次化数据。每个品牌文件采用‘品牌组→品牌→车型→代系→发动机’的五级嵌套JSON结构，确保数据完整性与可追溯性。同时，通过标准化流程将JSON数据转换为扁平的CSV表格和规范化SQLite数据库，每周定期更新并发布版本化快照，保证数据时效性。

特点

数据集的核心优势在于其全球覆盖与稀缺性并存——不仅囊括主流车系，还收录了Speranza、El Nasr等埃及市场特有品牌，填补了同类数据集常遗漏的空白。层次化架构支持从宏观品牌到微观发动机参数的逐级下钻，每个发动机条目均包含燃料类型、功率、扭矩等23个类型化核心字段，并保留原始的完整规格映射表，确保无信息丢失。多格式分发（JSON、CSV、SQLite）兼顾灵活性与便捷性。

使用方法

用户可根据需求选择合适的数据格式：JSON适合程序化分层解析，例如通过JavaScript的import语句直接加载全量文件并定位特定品牌；CSV可导入Excel或Python的DictReader进行快速分析，其中engines.csv提供发动机级别的扁平化视图，makes-models.csv则为车型检索提供轻量级接口；SQLite数据库通过外键关联实现规范化查询，支持复杂联表操作，如按代系排序检索某车型的全部发动机变体及其动力参数。

背景与挑战

背景概述

车辆型号与引擎规格数据是汽车工业智能化应用与大数据分析的基石。vehicle-makes-models数据集由研究者gor3a创建，系统整合了164个汽车品牌、2621个车型、7169代产品及30390种引擎变体，覆盖全球市场并包含埃及专属型号（如Speranza、El Nasr）。该数据集以JSON、CSV及SQLite三种格式发布，采用ODbL许可协议，数据源自autoevolution.com公开信息并经过规范化处理，为车辆识别、市场分析及智能驾驶研究提供了结构化支持，显著填补了开源车辆数据在品牌广度和引擎细节方面的空白。

当前挑战

该数据集面临的核心挑战包括：一是解决车辆型号数据碎片化与不完整性问题，此前市场缺乏覆盖全球品牌及引擎规格的统一开源资源，尤其忽视埃及等地区小众品牌；二是构建过程中需从非结构化网页中提取并验证164个品牌、7000余代产品及超3万引擎的层级关联数据，处理多源信息矛盾、缺失值（如空油耗字段）及引擎规格格式差异，确保JSON、CSV与SQLite三格式间数据一致性，并通过每周更新与断言测试维护数据质量。

常用场景

经典使用场景

在全球汽车数据分析与自然语言处理交叉领域，vehicle-makes-models数据集凭借其精心设计的层级化架构（涵盖164个品牌、2621个车型、7169代次及30390种引擎规格），成为构建智能汽车知识图谱与多模态检索系统的核心基石。研究人员常利用其规整的JSON/SQLite双重结构，开展车型实体识别、引擎参数序列标注等经典任务，尤其适用于需要跨代次追踪技术演变的纵向比较实验。该数据集独特的埃及市场品牌覆盖（如Speranza、El Nasr）填补了区域性数据空白，为全球化车型推荐算法与多语言查询消歧提供了稀缺的标注样本。

衍生相关工作

围绕本数据集已涌现出多项标志性衍生研究。在深度学习领域，学者基于其层级标签体系设计了面向汽车描述的细粒度命名实体识别模型，显著提升了车辆属性抽取的F1值。自然语言处理社区则利用引擎CSV中的量纲数据进行跨语言技术指标归一化研究，推动了多语言科普文本的自动生成。在可视化分析方面，基于SQLite架构的代次引擎参数演变曲线工具被开源社区广泛采纳，成为分析燃油效率、动力输出趋势的通用范式。此外，图谱构建工作流中，该数据集的EAV（实体-属性-值）表结构被证明是高效存储车辆碎片化规格的最佳实践，启发了多个工业知识图谱的存储设计模式。

数据集最近研究

最新研究方向

在智能交通与汽车大数据分析领域，vehicle-makes-models数据集为车型识别、市场趋势预测及个性化推荐系统提供了前所未有的细粒度支持。前沿研究聚焦于利用该数据集涵盖的164个品牌、2621款车型、7169代次及30390种发动机规格的丰富层级结构，结合深度学习模型实现车辆型号的自动分类与属性推断。该数据集独特的埃及市场车型覆盖（如Speranza、El Nasr）填补了区域性数据空白，使得跨文化消费者行为建模和全球汽车市场竞争格局分析成为可能。在新能源汽车快速普及的当下，研究者正借助其详尽的发动机参数（燃料类型、功率、扭矩等）探索电动化转型对车型迭代的影响，为汽车行业的数字化变革提供数据驱动的决策依据。