five

Data-Gouv-FR/ametis

收藏
Hugging Face2026-05-29 更新2026-05-31 收录
下载链接:
https://hf-mirror.com/datasets/Data-Gouv-FR/ametis
下载链接
链接失效反馈
官方服务:
资源简介:
该数据集提供法国亚眠市公共交通网络的时刻表(理论时间)和实时数据,涵盖公共汽车、电车等运输工具的运营信息,用于分析和优化交通服务。

The dataset provides theoretical schedules and real-time data for the public transport network in Amiens, France, including bus and tram services, for analysis and optimization of transportation services.
提供机构:
Data-Gouv-FR
搜集汇总
数据集介绍
main_image_url
构建方式
AMETIS数据集以法国亚眠市公共交通网络为核心,整合了理论时刻表与实时运行数据。其构建依托于开放的公共交通数据源,通过系统化采集与整理,形成结构化的时间序列信息。该数据集遵循开源理念,采用Licence Ouverte / Open Licence 2.0许可协议,便于研究机构与开发者自由获取与利用。数据集的原始存储位于法国政府开放数据平台data.gouv.fr,HuggingFace页面主要作为元数据索引与引用标识,确保数据集的权威性与可追溯性。
特点
AMETIS数据集的显著特色在于其双层次时间数据体系,既包含公交线路的预设理论时刻表,又涵盖实时动态运行信息,为出行规划与交通分析提供了完整的时间维度。数据集聚焦于亚眠市这一特定地理范围,具有明确的地域专属性。采用开放许可协议,降低了使用门槛,特别适用于智能交通系统开发与城市移动性研究。此外,数据集名称源于当地公交系统品牌‘AMETIS’,增强了与实地交通场景的关联性。
使用方法
使用者可通过访问data.gouv.fr平台直接下载AMETIS数据集,获取原始格式的公交时刻表与实时数据文件。该数据集适用于多种应用场景:在学术研究中,可用于城市交通建模、出行需求预测与公共交通网络优化分析;在商业开发中,可集成至路线规划应用、智能公交查询系统或基于代理的仿真平台。由于数据采用开放许可,用户可依据需求自由处理、转换与再利用,但需注意数据覆盖区域仅限于亚眠市范围,扩展应用时需结合其他城市数据进行整合分析。
背景与挑战
背景概述
AMETIS数据集创建于2021年,由法国亚眠市政府及公共交通运营机构联合发布,旨在提供该市公共交通网络的时刻表与实时运行数据。作为开放数据倡议的一部分,该数据集遵循法国开放许可协议2.0版,对运输规划、智能交通系统及城市流动性研究具有重要价值。其核心研究问题聚焦于公共交通过程的准时性与效率优化,通过整合理论时刻与实际到达时间,为学者和开发者提供了验证调度算法、构建预测模型的基础资源。在相关领域,AMETIS促进了跨学科协作,成为城市交通治理数字化转型的典型案例。
当前挑战
AMETIS数据集面临的挑战主要涵盖两方面:其一,所解决的领域问题在于公共交通系统中理论时间表与实际运行之间的鸿沟,包括交通拥堵、天气变化等不可控因素导致的延迟,这要求模型能够融合多源数据精确预测到达时间;其二,构建过程中遭遇了数据采集的碎片化障碍,由于公交车载GPS设备与中央调度系统的通信存在延迟,导致实时数据同步困难。此外,开放式许可下数据质量维护需持续投入,而缺乏标准化的数据清洗流程也增加了使用门槛。
常用场景
经典使用场景
在智能交通系统与公共交通出行分析领域,AMETIS数据集以其覆盖法国亚眠市公共交通网络的时刻表与实时动态数据而著称。研究者们常利用该数据集构建公交到站时间预测模型,或分析线路运行规律,为交通工具调度与乘客出行规划提供数据支撑。其理论时刻表与实时数据的双重结构,也使其成为验证时间序列预测算法、对比计划与实际运行偏差的理想选择。
解决学术问题
AMETIS数据集有效解决了公共交通领域理论调度与实时运行之间差异分析的关键难题。通过整合时刻表与实时追踪数据,研究者得以量化公交晚点模式、识别拥堵热点并评估系统鲁棒性,推动了公交运行可靠性评价方法的学术发展。该数据集还促进了考虑时空依赖性的公交动态调度模型研究,对理解城市交通流演变规律具有重要科学意义。
衍生相关工作
基于AMETIS数据集,已衍生出多项经典研究工作,包括基于深度学习的公交到站时间预测模型、基于图神经网络的公交网络时空分析框架,以及面向多模式交通的联合调度优化算法。这些工作不仅深化了对城市公交系统运行规律的理解,也为其他城市类似数据的应用提供了可迁移的方法论框架,推动了智慧交通领域的知识演进。
以上内容由遇见数据集搜集并总结生成
二维码
社区交流群
二维码
科研交流群
商业服务