Data-Gouv-FR/datatourisme-la-base-nationale-des-donnees-publiques-dinformation-touristique-en-open-data

--- license: other language: - fr tags: - data-gouv - donnees-publiques-francaises - parquet - csv - open-data pretty_name: "DATAtourisme, la base nationale des données publiques d'information touristique en Open Data" configs: - config_name: datatourisme-tour data_files: - split: train path: data/datatourisme-tour.parquet - config_name: datatourisme-reg-reu data_files: - split: train path: data/datatourisme-reg-reu.parquet - config_name: datatourisme-reg-pdl data_files: - split: train path: data/datatourisme-reg-pdl.parquet - config_name: datatourisme-reg-pac data_files: - split: train path: data/datatourisme-reg-pac.parquet - config_name: datatourisme-reg-occ data_files: - split: train path: data/datatourisme-reg-occ.parquet - config_name: datatourisme-reg-nor data_files: - split: train path: data/datatourisme-reg-nor.parquet - config_name: datatourisme-reg-naq data_files: - split: train path: data/datatourisme-reg-naq.parquet - config_name: datatourisme-reg-myt data_files: - split: train path: data/datatourisme-reg-myt.parquet --- # DATAtourisme, la base nationale des données publiques d'information touristique en Open Data ## Source - Source officielle : https://www.data.gouv.fr/datasets/datatourisme-la-base-nationale-des-donnees-publiques-dinformation-touristique-en-open-data - Identifiant du jeu de données data.gouv.fr : `5b598be088ee387c0c353714` - Slug data.gouv.fr : `datatourisme-la-base-nationale-des-donnees-publiques-dinformation-touristique-en-open-data` - Licence indiquée dans les métadonnées data.gouv.fr : fr-lo ## Structure Hugging Face - Un jeu de données data.gouv.fr = un dépôt Hugging Face - Une ressource tabulaire d’origine = un sous-ensemble/configuration Hugging Face - Chaque sous-ensemble/configuration contient un split nommé `train` ## Sous-ensembles - `datatourisme-tour` → `data/datatourisme-tour.parquet` - `datatourisme-reg-reu` → `data/datatourisme-reg-reu.parquet` - `datatourisme-reg-pdl` → `data/datatourisme-reg-pdl.parquet` - `datatourisme-reg-pac` → `data/datatourisme-reg-pac.parquet` - `datatourisme-reg-occ` → `data/datatourisme-reg-occ.parquet` - `datatourisme-reg-nor` → `data/datatourisme-reg-nor.parquet` - `datatourisme-reg-naq` → `data/datatourisme-reg-naq.parquet` - `datatourisme-reg-myt` → `data/datatourisme-reg-myt.parquet` ## Utilisation ```python from datasets import load_dataset # Choisir un sous-ensemble/configuration : ds = load_dataset("Data-Gouv-FR/datatourisme-la-base-nationale-des-donnees-publiques-dinformation-touristique-en-open-data", "datatourisme-tour") print(ds["train"]) ``` ## Description originale **[Dernière Modification de la description au 05/06/2024 - voir plus bas]** DATAtourisme est **un dispositif national de collecte et de diffusion en open data des données institutionnelles relatives au recensement de l'offre touristique :** description des points d'intérêt et événements touristiques géolocalisés et qualifiés. Porté par l’Etat de 2015 à janvier 2022, et piloté par ADN Tourisme depuis le 1er février 2022, il est né d’une coopération inédite avec les réseaux des offices de tourisme, des agences départementales et des comités régionaux du tourisme de l’**ensemble du territoire national**. **Important** : le périmètre du dispositif DATAtourisme porte sur le recensement de l'offre. Il ne comporte pas d'éléments statistiques tels que la fréquentation touristique, la capacité d'accueil, etc. L'offre recensée porte sur les éléments publiés volontairement par les territoires, sans garantie d'exhaustivité. Directement connectée aux bases de données territoriales, la plateforme nationale DATAtourisme permet **un accès plus large et simplifié aux données publiques d’information touristique**, au moyen de : &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;-&nbsp;&nbsp;&nbsp;&nbsp;Une technologie capable **d’agréger et mettre à jour** quotidiennement plusieurs dizaines de jeux de données qualifiées, &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;˗&nbsp;&nbsp;&nbsp;&nbsp;Une ontologie nationale permettant de retranscrire l’intégralité des données touristiques en **un vocabulaire et un format uniformisé** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;˗&nbsp;&nbsp;&nbsp;&nbsp;Plusieurs services et une API permettant d’exploiter finement **des données répondant à des besoins personnalisés** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;˗&nbsp;&nbsp;&nbsp;&nbsp;Une licence d’exploitation unique et ouverte (**Licence ouverte 2.0**) Lauréat du Programme Investissements d’Avenir, **ce dispositif participe à la boîte à outils gouvernementale pour décliner la stratégie touristique nationale** telle que définie par le Comité Interministériel du Tourisme. --- **Jeux de données disponibles :** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;export complet et quotidien des données présentes sur la plateforme DATAtourisme, au format NT &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;export quotidien simplifié des données de type « événement » (FMA) au format CSV &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;export quotidien simplifié des données de type « lieux » (PLACE) au format CSV &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;export quotidien simplifié des données de type « visites et activités » (PRODUCT) au format CSV &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;export quotidien simplifié des données de type « itinéraires » (TOUR) au format CSV **Les fichiers CSV simplifiés contiennent actuellement les champs de description suivants :** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Titre ou nom du POI (label) &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Catégories de POI (type) (Il s'agit des identifiants des types, séparés par des barres verticales ( | ). Pour obtenir le libellé en français, il faut se référer au thésaurus.) &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Périodes regroupées (pour le fichier FMA uniquement) (Il s'agit d'objets au format date(AAAA-mm-jj)<->date(AAAA-mm-jj), la première étant la date de début et la dernière la date de fin. Différentes périodes sont concaténées par des barres verticales ( | )). &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Latitude (WGS 84) &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Longitude (WGS 84) &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Adresse postale &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Code postal et commune (postalcode + city; séparés par des dièse ( # )). &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Créateur de la donnée &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Réseau ou SIT source, &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Date de mise à jour (lastupdate) &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Contacts du POI (Il s'agit d'objets (noms#urls) concaténés par des barres verticales ( | ). Les champs noms et urls sont respectivement des noms et des url qui sont concaténées par des diamants ( <> ). Chaque contact dans cette colonne garde ses # de manière obligatoire, ce qui permet de savoir en fonction du nombre de # déja comptés s'il s'agit d'un nom ou d'une url. &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Classements du POI (Il s'agit d'objets (noms#notes) concaténés par des barres verticales ( | ). &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Description (champ libre multiligne). Pour certains POI, les tarifs sont indiqués dans la description. &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Covid19 : mesures spécifiques (champ libre multiligne) : détail des mesures sanitaires prises par l’établissement ou le site touristique pour accueillir le public (attention, la mise à jour de ces information est moins fréquente depuis 2022). &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;ID du POI (URI) --- **EVOLUTIONS APPORTEES A LA PAGE ET AUX FICHIERS :** **Le 05/06/2024 : suppression de l'historique des fichiers** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp; Veuillez noter que d'ici quelques jours, l'historique des fichiers antérieurs à la date du jour sera supprimé. Les données continueront à être mises à jour quotidiennement via des fichiers qui "annuleront et remplaceront" systématiquement ceux de la veille. Cela aura l'avantage de faciliter l'accès aux données pour les réutilisateurs puisque le nom des fichiers sera stable (sans mention de date), et d'améliorer le temps de chargement de la page. **Le 15/07/2019, trois nouveaux champs ont été créés avant ID du POI :** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Contacts du POI (Il s'agit d'objets (noms#telephones#emails#urls) concaténés par des barres verticales ( | ). Les champs noms, telephones, emails et urls sont respectivement des numéros de téléphone (format international), des adresses emails et des url qui sont concaténées par des diamants ( <> ). Chaque contact dans cette colonne garde ses # de manière obligatoire, ce qui permet de savoir en fonction du nombre de # déja comptés s'il s'agit d'un nom, d'un téléphone, d'un email ou d'une url. &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Classements du POI (Il s'agit d'objets (noms#notes) concaténés par des barres verticales ( | ). &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Description (champ libre multiligne). Pour certains POI, les tarifs sont indiqués dans la description. **Le 16/06/2020, trois nouveaux champs ont été créés (après Code postal et commune) :** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Covid19 : mesures spécifiques (champ libre multiligne) : détail des mesures prises par l’établissement ou le site touristique pour accueillir le public durant la crise sanitaire &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Covid19 : est en activité (true/false) : information sur la confirmation de réouverture de l’établissement &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Covid19 : périodes d’ouverture confirmées (true/false) : true si les périodes d’ouverture ont été mises à jour à l’issue de la période de confinement du printemps 2020 **Le 26/11/2020, 13 nouveaux fichiers ont été mis à disposition :** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Export quotidien simplifié des données au format CSV, découpé par région administrative : datatourisme.reg-_CodeIsoRégional_.date.csv, &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;1 fichier par région administrative, rassemblant les POI de type FMA, PLACE, PRODUCT, TOUR, &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Liste des codes ISO : ARA (Auvergne Rhône Alpes), BFC (Bourgogne Franche Comté), BRE (Bretagne), COR (Corse), CVL (Centre Val de Loire), GDE (Grand Est), GLP (Guadeloupe), GUF (Guyane), HDF (Hauts de France), IDF (Ile de France), MTQ (Martinique), MYT (Mayote), NAQ (Nouvelle Aquitaine), NOR (Normandie), OCC (Occitanie), PAC (Provence Alpes Côte d’Azur), PDL (Pays de la Loire), REU (Ile de la Réunion). **Le 24/01/2022, le nom généré des fichiers a été mis à jour** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Tous les fichiers csv passent d'un format type.permietre.date.csv à un format type-perimetre-date.csv, dans le but d'obtenir un typage natif par la plateforme data.gouv.fr consistant ("csv") avec le type mime des fichiers. **Le 14/12/2023, le contenu des fichiers CSV simplifiés a été mis à jour** &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Seules les URL sont disponibles pour le champs contact, les adresses email et numéros de téléphone ont été retirés. &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;•&nbsp;&nbsp;&nbsp;&nbsp;Les champs Covid19_est_en_activite et Covid19_periodes_d_ouvertures_confirmees ont été également retirés. De manière synthétique : ( | ) sépare les objets ( # ) sépare les propriétés pour chaque objet ( <> ) sépare plusieurs valeurs pour chaque propriété Les fichiers csv sont encodés en UTF-8, le séparateur de colonne est la virgule et les valeurs non triviales sont encapsulées dans des guillemets doubles ( " ). --- Pour accéder aux données et aux services de la plateforme (création de flux sur mesure et choix des formats) : [https://www.datatourisme.fr](https://www.datatourisme.fr) Pour en savoir plus et rejoindre la communauté : [https://info.datatourisme.fr/](https://info.datatourisme.fr/) Documentation et autres outils utiles : [https://gitlab.adullact.net/adntourisme/datatourisme](https://gitlab.adullact.net/adntourisme/datatourisme) Découvrir l’ontologie DATAtourisme, le format national sémantique pour les données d’information touristique : &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;[https://gitlab.adullact.net/adntourisme/datatourisme](https://gitlab.adullact.net/adntourisme/datatourisme) En savoir plus sur le format N-Triples : [https://www.w3.org/TR/n-triples/](https://www.w3.org/TR/n-triples/) Initiation à RDF : [https://www.emse.fr/~zimmermann/W3C/RDF1.1Primer/](https://www.emse.fr/~zimmermann/W3C/RDF1.1Primer/) --- Pour obtenir de l’aide dans le paramétrage et l’exploitation des données de la plateforme : [https://support.datatourisme.fr/](https://support.datatourisme.fr/) (espace d’entre-aide accessible depuis votre compte Diffuseur)DATAtourisme is a national open data system for collecting and disseminating institutional data related to the inventory of tourist offerings: descriptions of geolocated and qualified points of interest and tourist events. Managed by ADN Tourisme, it aggregates data from local tourism offices across France. The dataset includes daily exports in NT and simplified CSV formats, covering events, places, products, and tours. Key fields include title, categories, latitude/longitude, address, contacts, descriptions, and COVID-19 measures. Data is organized into subsets by administrative regions (e.g., Occitanie, Normandy) and uses a standardized ontology. It is licensed under Licence ouverte 2.0 and excludes statistical data like tourist attendance. Updates are made regularly, with historical file management as of June 2024.

搜集汇总

数据集介绍

构建方式

DATAtourisme 是法国一项国家级开放数据计划，旨在系统化地采集和发布旅游公共信息。该数据集源自法国政府开放数据平台 data.gouv.fr，由 ADN Tourisme 自 2022 年起接管运营。其构建依托于一套统一的国家本体（ontologie），将来自地方旅游局、省级机构及大区旅游委员会的数十个异构数据源，每日自动聚合、清洗并转换为标准化的词汇与格式。Hugging Face 仓库将原始表格资源按地理行政区域（如奥克西塔尼、诺曼底等）和旅游类型（如路线、事件、场所）划分为多个子集（config），每个子集对应一个 Parquet 文件，并统一包含一个名为 'train' 的分割。

特点

该数据集的核心特点在于其地理覆盖的全面性与数据维度的丰富性。它囊括了法国本土及海外领地（如留尼汪、马约特）的所有行政区域，每个区域均有独立子集，便于地域性分析。数据包含旅游兴趣点（POI）的标题、类别、地理坐标（经纬度WGS84）、邮政地址、联系方式、评级、自由文本描述及创建者信息，且每日更新，确保了信息的时效性。此外，数据遵循开放许可证2.0（Licence Ouverte 2.0），可自由复用，并通过 JSON、CSV、Parquet 等多种格式提供，支持灵活集成。

使用方法

使用该数据集极为便捷，推荐通过 Hugging Face 的 datasets 库进行加载。用户只需调用 load_dataset 函数，并指定仓库名称及所需的子集名称（如 'datatourisme-tour' 或 'datatourisme-reg-occ'），即可获得包含 'train' 分割的 Dataset 对象。例如，代码 'ds = load_dataset("Data-Gouv-ML/datatourisme-la-base-nationale-des-donnees-publiques-dinformation-touristique-en-open-data", "datatourisme-tour")' 可快速加载旅游路线数据。对于数据分析或机器学习应用，可直接利用 Parquet 文件的高压缩比与列式存储优势，或通过官方 API 创建定制化数据流。

背景与挑战

背景概述

DATAtourisme数据集是法国国家旅游公共信息开放数据平台的核心成果，由法国政府于2015年发起，2022年2月起由ADN Tourisme机构接管运营。该数据集致力于系统化收集、标准化整合并开放分发全国范围内地理定位且经过分类的旅游兴趣点与活动信息。作为一项国家级基础设施，它通过统一的语义本体论和每日更新的数据聚合技术，将分散在地方旅游局、省级机构及大区旅游委员会的多源异构数据进行格式统一与词汇标准化的转化。这一开创性工作极大降低了旅游信息利用的门槛，为政府旅游战略决策、商业应用开发及学术研究提供了可靠、连续且可复用的数据基础，在法国开放数据运动与数字公共治理领域具有里程碑式的影响。

当前挑战

该数据集面临的核心挑战首先在于领域层面：旅游信息具有高度异质性、时空动态性与多模态特征，如何在一个统一的语义框架下有效涵盖兴趣点、事件、路线及活动等多种实体类型，并保证跨区域数据质量的一致性与每日更新的时效性，是构建过程中必须跨越的技术鸿沟。其次，构建过程中遇到了数据来源分散、各地IT系统差异显著以及自愿上报带来的覆盖不完整等困难，团队需开发强大的ETL管道以兼容不同后端的接口规范。此外，疫情期间快速新增的卫生措施字段与后续的字段精简演进，也考验了数据集在应急响应与长期可持续性之间的平衡能力。

常用场景

经典使用场景

DATAtourisme作为法国国家级旅游开放数据底座，最为经典的应用场景是构建全域旅游信息服务系统。通过整合全国范围内地理标记的兴趣点（POI）、旅游事件、游览路线及活动产品等多模态数据，研究者能够利用该数据集训练智能推荐算法，为用户提供个性化的行程规划、周边服务搜索及实时活动资讯。数据集以统一的语义本体和标准化格式提供，支持细粒度的地理与类别检索，尤其适用于旅游大数据的空间分析与服务质量评估。

实际应用

在实际应用中，DATAtourisme被广泛部署于法国各级旅游管理机构的智慧服务平台，支撑从地方旅游局到国家层面的旅游信息聚合与分发。旅游企业利用其API与简化CSV导出实现实时景点查询、活动日历展示及行程路线规划；开发者在移动应用和网站中集成该数据集，提供个性化游览推荐与导航服务。疫情期间，数据集更被迅速用于发布卫生安全措施与开放状态，体现了其在应急响应与公共信息透明化中的关键作用。

衍生相关工作

围绕DATAtourisme衍生了多项关键研究与实践工作。最为突出的是ADN Tourisme主导开发的DATAtourisme语义本体，该本体成为法国旅游数据标准化的基石，并催生了基于N-Triples格式的RDF知识图谱。社区在此基础上构建了如GitLab上的开源工具链与API网关，支持自定义数据流与格式转换。此外，Hugging Face平台上按大区和类型划分的配置版本，为机器学习与自然语言处理研究提供了可直接使用的结构化数据集，促进了旅游推荐与地理信息检索领域的模型训练与基准测试。