Data-Gouv-FR/liste-des-exceptions-tarifaires-a-linterieur-et-entre-zones-de-la-tarification-multimodale-zonal

T-libr多模式区域票价系统内部及区域间票价例外列表。T-libr多模式区域票价由SMT AML及其成员管理，允许使用单一车票和单一媒介乘坐多个城市和城际交通网络，特别是奥弗涅-罗讷-阿尔卑斯大区的TER列车，覆盖里昂、圣艾蒂安、维埃纳-孔德里约、利勒达博-布尔关雅略、米里贝尔-蒙特吕埃尔等地区。本数据集列出了该票价方案在区域内部和区域间的票价例外情况、相关站点以及这些例外的解释说明。List of fare exceptions within and between zones of the T-libr multimodal zonal fare system. The T-libr multimodal zonal fare is managed by SMT AML and its members. It allows, with a single transport ticket and a single medium, to use multiple urban and interurban networks, particularly the TER Auvergne-Rhône-Alpes, around Lyon, Saint-Etienne, Vienne Condrieu, LIsle-dAbeau - Bourgoin-Jallieu, Miribel - Montluel. This dataset lists the fare exceptions within and between the zones of this offer, the stops concerned, and the explanations for these exceptions.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，由SMT AML主导构建，旨在服务于T-libr区域多模式票价系统中的票价例外管理。数据集以Hugging Face仓库形式组织，每个原始表格资源对应一个子集配置，包含训练集划分。数据以Parquet格式存储，涵盖了2023-2024及2024-2025两个年度的票价例外记录，确保数据结构清晰且便于高效加载。

特点

数据集的核心在于系统化地记录了T-libr多模式票价体系中区域内与区域间的票价例外情况，包括受影响的站点及例外原因说明。其独特之处在于覆盖了里昂、圣艾蒂安、维埃纳等多城市网络，并整合了城市公交、城际交通及TER区域列车等多元交通方式。数据以开放许可发布，具有法律合规性与可复用性，为交通票价分析与优化提供了权威依据。

使用方法

用户可通过Hugging Face的datasets库便捷加载数据，指定子集名称如'smt-aml-t-libr-bdd-liste-exceptions-zonages-24-25'即可获取对应年份的票价例外列表。加载后，数据集以训练集形式呈现，支持利用Python进行探索性分析、可视化或构建票价例外预测模型。数据格式为Parquet，兼容主流数据处理工具，便于集成到交通研究或政策分析工作流中。

背景与挑战

背景概述

该数据集由法国SMT AML机构创建并发布于data.gouv.fr平台，主要服务于里昂、圣埃蒂安等城市群的多模式区域票价系统T-libr，旨在记录区域内及区域间的票价例外情况。作为开放数据项目的一部分，该数据集系统化地整理了公共交通定价中偏离常规的条款，包括受影响的停靠站点及例外原因，为交通政策制定者和研究者提供了关键的基准数据。其影响力体现在促进票价透明化和优化多模式交通网络，同时推动了法国公共数据在智能交通领域的应用。

当前挑战

该数据集的核心研究挑战在于解决多模式交通定价中例外规则的复杂性和不一致性，例如不同区域间票价差异、临时调整导致的动态变化，以及例外条款与常规政策的冲突。构建过程中，数据收集面临跨机构协作的困难，需整合来自不同交通运营商（如TER Auvergne-Rhône-Alpes、城市公交网络）的异构数据源，并确保例外描述的准确性和时效性。此外，数据标准化和去重处理也是一大挑战，以维持数据集在多年度版本（如23-24与24-25学年）之间的逻辑一致性。

常用场景

经典使用场景

该数据集以法国奥弗涅-罗讷-阿尔卑斯大区T-libr多模式区域定价体系为背景，聚焦于区内及跨区票价例外情形的系统化记录。经典使用场景包括解析多模式交通网络中的定价异质性，通过分析例外列表、受影响的站点及相关解释，构建定价规则的显式知识图谱。研究者可借此探索交通经济学中的价格歧视、跨运营商协调机制及非对称激励策略，为该区域复杂的票价调节逻辑提供量化依据。

解决学术问题

数据集有效回应了多模式交通定价中存在的信息碎片化与规则隐蔽性问题。学术上，它解决了三大核心挑战：其一，揭示区域交通系统内票价例外与常规定价的偏离模式，为价格弹性与需求响应研究提供结构化样本；其二，量化不同交通运营商（如城际铁路、市内网络）间的协调成本与效率损失；其三，支撑交通公平性研究，通过例外条款的分布解析弱势群体（如通勤者、郊区居民）面临的隐性负担。其影响在于推动交通经济学从简化模型向复杂现实情境的迁移。

衍生相关工作

该数据集衍生出多个交叉领域的前沿工作。例如，基于时空定价异常检测的机器学习模型，通过图神经网络挖掘站点间例外关联网络；结合交通大数据（如实时客流），开发公平性感知的票价优化算法；以及构建可解释的交通经济学仿真平台，模拟例外规则调整对区域出行分布的影响。这些工作不仅深化了对法国区域交通治理的理解，也为欧洲多模式定价框架的标准化提供了方法论借鉴。