Data-Gouv-FR/aires-et-parkings-de-covoiturage-1

该数据集提供了法国格勒诺布尔大都市区内开放的拼车停车场和拼车区（即停即走区）的位置信息。数据集包含多个资源：1) 拼车地点（由Etalab标准化），列出了SMMAG领土上的拼车区和停车场，遵循Etalab制定的标准化模式；2) 拼车区数据，可通过epci参数（如LaMetro、LeGresivaudan、PaysVoironnais）进行过滤，以获取特定区域的位置；3) 拼车停车场数据，同样支持通过epci参数过滤。数据来源于data.gouv.fr，许可为odc-odbl，并以parquet和csv格式提供。更多关于拼车数据的详细信息可在相关API和文档中找到。This dataset provides the locations of open carpooling parking lots and carpooling areas (drop-off points) within the Grenoble metropolitan area in France. It includes multiple resources: 1) Carpooling locations (normalized by Etalab), which list carpooling areas and parking lots in the SMMAG territory, following the standardized schema established by Etalab; 2) Carpooling area data, filterable by epci parameters (e.g., LaMetro, LeGresivaudan, PaysVoironnais) to obtain locations in restricted areas; 3) Carpooling parking data, also filterable by epci parameters. The data is sourced from data.gouv.fr, licensed under odc-odbl, and provided in parquet and csv formats. Additional information on carpooling data is available through related APIs and documentation.

搜集汇总

数据集介绍

构建方式

本数据集源自法国开放式数据平台data.gouv.fr，旨在系统收录法国格勒诺布尔大都市区内的拼车停车区域与临时上下客点。数据集以Hugging Face仓库为载体，巧妙遵循了“一个data.gouv.fr数据集对应一个Hugging Face仓库”的映射逻辑，并将原始表格资源转化为Hugging Face的子集与配置项。具体而言，每一个原始资源均被独立封装为一个配置（如aires_covoiturage、parkings_covoiturage与lieux_de_covoiturage_normalise_etalab），且每个子集仅包含一个名为train的分割。数据文件以Parquet格式高效存储，确保在处理大规模空间数据时的读取与运算性能。

使用方法

使用者可通过Hugging Face的datasets库便捷加载本数据集。首先使用load_dataset函数，指定仓库名称“Data-Gouv-ML/aires-et-parkings-de-covoiturage-1”，并选择所需子集配置名称（如“aires_covoiturage”），即可获取对应的train分割数据。加载后的数据集可直接用于后续的数据分析、可视化或机器学习建模任务。对于需要进一步过滤数据的场景，开发者可参考Mobilités M API的完整文档，利用EPCI参数对aisles和parkings子集进行地域筛选，从而提取特定区域的拼车基础设施数据。整个使用流程开源、透明，高度适配现代数据科学研究工作流。

背景与挑战

背景概述

该数据集由法国格勒诺布尔大都市区交通管理局（SMMAG）创建，于2024年初在数据.gouv.fr平台发布，旨在系统整合该区域内的拼车停车设施（包括拼车停车场和即停即走区）的空间位置与属性信息。作为开放数据运动在交通领域的典型实践，该数据集遵循Etalab标准化规范，为智能交通系统与共享出行研究提供了基础地理参考。其发布不仅填补了法国地方级拼车基础设施数据库的空白，更通过Hugging Face平台实现了与全球机器学习社区的衔接，促进了基于位置的服务、交通规划优化以及城市可持续出行模式分析等研究方向的发展。

当前挑战

该数据集面临多重挑战。首先，在领域问题层面，拼车停车设施的空间分布不均与动态使用率难以量化，给交通需求预测和基础设施规划带来困难，亟需高精度时空数据以支撑建模。其次，构建过程中，数据源来自多个API（如Mobilités M API）及标准化接口，不同来源之间的格式转换与字段对齐（如EPCI过滤参数差异）增加了整合复杂度。此外，原始资源以GeoJSON、CSV等异构格式存在，转换为Parquet时需处理坐标系统一致性及属性缺失问题，同时确保ODbL授权框架下开放数据的合规性与可追溯性，对数据治理提出了较高要求。

常用场景

经典使用场景

该数据集聚焦于法国格勒诺布尔大都会区及其周边地区的拼车停车点与临时上下客区域的空间分布信息，是城市交通规划与共享出行研究领域的重要基础性数据资源。经典使用场景包括利用其提供的标准化位置数据，对拼车基础设施的空间可达性与覆盖均匀度进行量化评估，或将其与人口普查、公共交通网络等异构数据相融合，构建多模式交通换乘的决策支持模型。研究者可借助该数据集检验拼车场站布局与出行需求热点区域之间的匹配程度，从而为区域交通政策的优化调整提供实证依据。

解决学术问题

在学术研究层面，该数据集有效解决了拼车基础设施空间分布数据长期缺失或格式不统一的问题，填补了针对中等城市群开展拼车行为实证分析的数据空白。其标准化格式遵循Etalab国家数据规范，支持可重复的地理统计与空间分析工作流，使研究人员得以系统考察拼车场站密度与社会经济属性、土地利用类型之间的耦合关系。依托该数据集，学者能够更严谨地辨识拼车设施供给与需求之间的空间错位现象，为城市交通公平性与可持续性等理论议题提供可量化的实证素材。

实际应用

在实际应用层面，该数据集已直接服务于格勒诺布尔地区公共交通管理部门（SMMAG）的日常运营优化工作，用于监测现有拼车设施的使用效率并指导新增站点的选址决策。通过开放API与标准化数据接口，移动出行服务商可将其集成至实时导航与路径规划系统中，为通勤者推荐就近的拼车接驳点。城市规划人员亦可借助该数据，在不同行政区划（如城市社区、市镇联合体）间开展拼车设施配置的横向对比，从而制定差异化的停车换乘推广政策。

数据集最近研究

最新研究方向

该数据集聚焦于法国格勒诺布尔大都市区拼车停车设施的空间分布与标准化描述，紧跟法国交通领域数字化转型与开放数据运动的前沿。当前研究热点在于利用标准化数据模式（如Etalab schema）整合拼车基础设施资源，以支撑智能交通系统中的拼车出行规划与城市低碳交通策略制定。该数据集通过开放许可（ODC-ODbL）在Hugging Face平台以Parquet和CSV格式发布，便于机器学习与空间分析模型直接调用，为研究拼车行为模式、基础设施优化布局及交通网络韧性评估提供了高质量的基础数据。在法国大力推动拼车文化以减少私家车碳排放的背景下，该数据集的公开化与规范化对于促进跨区域交通数据互操作、支持政策制定者精准施策具有重要意义，是连接数据科学与可持续城市交通实践的关键桥梁。