Data-Gouv-FR/trafic-moyen-journalier-annuel-sur-le-reseau-routier-national

--- license: other language: - fr tags: - data-gouv - donnees-publiques-francaises - parquet - csv - open-data pretty_name: "Trafic moyen journalier annuel sur le réseau routier national" configs: - config_name: tmja_rrnc_2024 data_files: - split: train path: data/tmja_rrnc_2024.parquet - config_name: tmja_rrnc_2023 data_files: - split: train path: data/tmja_rrnc_2023.parquet - config_name: tmja_rrnc_2022 data_files: - split: train path: data/tmja_rrnc_2022.parquet - config_name: tmja_2019 data_files: - split: train path: data/tmja_2019.parquet - config_name: tmja_2018 data_files: - split: train path: data/tmja_2018.parquet - config_name: tmja_2017 data_files: - split: train path: data/tmja_2017.parquet - config_name: tmja_2016 data_files: - split: train path: data/tmja_2016.parquet - config_name: tmja-2015 data_files: - split: train path: data/tmja-2015.parquet --- # Trafic moyen journalier annuel sur le réseau routier national ## Source - Source officielle : https://www.data.gouv.fr/datasets/trafic-moyen-journalier-annuel-sur-le-reseau-routier-national - Identifiant du jeu de données data.gouv.fr : `598892dcc751df3eae8bd6ec` - Slug data.gouv.fr : `trafic-moyen-journalier-annuel-sur-le-reseau-routier-national` - 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 - `tmja_rrnc_2024` → `data/tmja_rrnc_2024.parquet` - `tmja_rrnc_2023` → `data/tmja_rrnc_2023.parquet` - `tmja_rrnc_2022` → `data/tmja_rrnc_2022.parquet` - `tmja_2019` → `data/tmja_2019.parquet` - `tmja_2018` → `data/tmja_2018.parquet` - `tmja_2017` → `data/tmja_2017.parquet` - `tmja_2016` → `data/tmja_2016.parquet` - `tmja-2015` → `data/tmja-2015.parquet` ## Utilisation ```python from datasets import load_dataset # Choisir un sous-ensemble/configuration : ds = load_dataset("Data-Gouv-FR/trafic-moyen-journalier-annuel-sur-le-reseau-routier-national", "tmja_rrnc_2024") print(ds["train"]) ``` ## Description originale Le trafic moyen journalier annuel (TMJA) d'une section routière est obtenu en calculant la moyenne sur une année du nombre de véhicules circulant sur cette section, tous sens confondus, au cours d'une journée. Ces données de trafic en temps différé s'accompagnent généralement d'une estimation (en pourcentage) du nombre de poids lourds entrant dans leur composition. Chaque section de route est définie par : - son nom (route) - sa longueur - ses coordonnées de début (D) et de fin (F) exprimées en coordonnées (X, Y, Z) ou par un système de repérage routier composé de 4 attributs : - pr = Point de repère routier - depPr = département où se situe le PR - concessionPr = indique si le PR se trouve sur une section concédée (C) ou non (N) - abs = abscisse ou distance (en mètres) séparant le point du PR auquel il se rattache D'autres attributs complètent ces attributs de localisation : - anneeMesureTrafic = année pendant laquelle ont été effectuées les mesures - TypeComptageTrafic = indique si le comptage des véhicules a été effectué à partir d'un système placé en permanence sur la route ou s'il s'agit d'un relevé à l'aide d'un système de comptage temporaire - TMJA = trafic moyen journalier annuel - RatioPL = pourcentage de poids-lourds entrant dans la composition du TMJAThe dataset contains Annual Average Daily Traffic (TMJA) data for the French national road network. TMJA is obtained by calculating the average over a year of the number of vehicles traveling on a road section, in both directions, during a day, and typically includes an estimate (as a percentage) of the number of heavy goods vehicles in the composition. Each road section is defined by: its name, length, start and end coordinates (X, Y, Z) or by a road reference system composed of four attributes (pr: road reference point, depPr: department where the PR is located, concessionPr: indicates if the PR is on a concessioned section, abs: distance in meters from the reference point). Additional attributes include: measurement year, traffic counting type (permanent or temporary system), TMJA value, and heavy goods vehicle ratio.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共数据平台data.gouv.fr，收录了法国国家道路网络年度日均交通量（TMJA）的统计数据。构建方式遵循原始数据资源与Hugging Face子集一一对应的原则，将每一年份的表格型资源独立封装为一个配置子集，涵盖2015至2024年间共八个年份的数据。每个子集内含一个名为'train'的分割，数据以高效列式存储格式Parquet保存，确保了数据加载与处理的性能。原始数据由法国官方机构采集，通过分布于全国路网的固定或临时交通计数系统获取车辆通行数据，并经年度平均计算得出TMJA值。

特点

该数据集最显著的特点在于其时间跨度广、来源权威且结构规整。它覆盖了从2015年到2024年长达十年的交通流量信息，为用户提供了研究长期交通演变趋势的宝贵素材。每个观测点记录了道路名称、路段长度、起终点坐标或基于道路参考点（PR）的定位系统，以及测量年份、计数类型等元数据。核心指标TMJA与重型货车比例（RatioPL）相辅相成，不仅反映了总体车流量，还揭示了重型货运车辆在交通构成中的比重，为交通规划与物流分析提供了多维视角。

使用方法

用户可通过Hugging Face的datasets库便捷地调用该数据集。使用时需指定数据集名称及目标年份的子集名称，例如加载2024年数据：`load_dataset('Data-Gouv-ML/trafic-moyen-journalier-annuel-sur-le-reseau-routier-national', 'tmja_rrnc_2024')`。加载后的对象即包含'train'分割的数据，可直接用于数据探索、统计分析或机器学习建模。数据以Parquet格式存储，兼容Pandas等主流数据处理工具，便于用户开展交通流量预测、路网规划评估或大数据分析任务。

背景与挑战

背景概述

该数据集名为“Trafic moyen journalier annuel sur le réseau routier national”，来源于法国开放数据平台data.gouv.fr，由法国国家公路网络管理部门创建并持续维护，涵盖2015年至2024年的年度平均日交通量（TMJA）数据。核心研究问题聚焦于量化法国国家公路网络上各路段的车流密度与重型货车占比，为交通流量监测、基础设施规划及运输政策制定提供基础数据支撑。作为法国交通领域的重要开放数据集，其长期性、标准化和空间精细度使其成为研究交通模式演变、拥堵分析及环境影响评估的关键资源，影响力辐射至交通工程、城市规划和公共管理等多个学科领域。

当前挑战

该数据集面临的挑战集中于领域应用与构建过程两个层面。在领域问题方面，其核心挑战在于如何从孤立的路段年度平均数值中提取有效信息，以应对动态交通预测、拥堵时空演化分析及排放模型校准等复杂需求，单一均值指标难以反映日内或季节性波动。在构建过程中，挑战包括：各路段坐标系统与定位属性的标准化难度，点状测量数据需转换为连续路段表征；历史数据年份间来源格式与更新频率不一致，可能导致时序对比偏差；临时计数与永久性计数系统数据精度差异，需谨慎处理以确保统计一致性。

常用场景

经典使用场景

该数据集收录了法国国家公路网自2015年至2024年间逐年发布的年平均日交通量（TMJA）数据，涵盖每一路段的车流量均值及重型车辆占比等关键指标。经典的用途在于构建交通流量时空分析模型，研究者可借此揭示不同年份、不同路段上的车流演化规律，并结合路段起讫坐标与里程碑系统等定位信息，实现精确到县级乃至路段的流量刻画。此外，该数据集也为多年度动态对比分析提供了统一的基准，应用于交通规划、道路负荷评估及基础设施建设优先级排序等学术议题。

衍生相关工作

该数据集衍生出一系列经典的相关工作，首先在时空数据挖掘领域，研究者利用多年度TMJA序列开展长时段交通流聚类分析，识别出具有相似流量模式的区域簇群，推动了交通划分区的科学界定。其次，在数据融合方向，学者将该数据集与气象、经济普查等其他开放数据源交叉关联，构建了多因素驱动下的交通需求预测模型，有效提升了模型泛化能力。此外，重型车辆比重的连续记录也被集成到排放估算研究中，支持车辆尾气排放清单的精细化计算，为环境政策评估提供了关键输入。

数据集最近研究

最新研究方向

当前，法国国家公路网年度平均日交通量（TMJA）数据集正成为交通流预测、城市机动性分析及道路基础设施规划等前沿研究的核心数据源。该数据集提供了2015年至2024年间的连续监测数据，涵盖道路段精确坐标、交通量及重型货车占比等关键指标，为构建基于深度学习的交通流量预测模型、评估区域交通拥堵演变趋势，以及量化货运对路网负荷的动态影响提供了坚实支撑。在欧洲绿色交通转型与智慧城市建设的宏观背景下，该数据集的支持使得研究者能够深入剖析交通模式与时空分布规律，进而优化路网资源配置，推动数据驱动的可持续交通决策。