Transportation Management System Dataset

该数据集包含多个关系表，模拟了一个公交管理系统。包括乘客、行程、路线、公交车、员工、预订、票务和支付等表，以及用于关系完整性的映射表。

This dataset contains multiple relational tables that simulate a public transit management system, including tables for passengers, trips, routes, buses, employees, bookings, tickets, and payments, as well as mapping tables used to maintain referential integrity.

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称：Transportation Management System
• 数据集地址：https://github.com/akisavujel/Transportation-database-mysql
• 数据集描述：这是一个模拟巴士管理系统的数据库驱动应用数据集，用于管理巴士运营。它处理乘客、行程、路线、巴士、员工、预订、票务和支付。

数据集目标

• 高效管理乘客、行程、路线、预订、票务、支付和员工。
• 安排行程并分配巴士和员工以优化运营。
• 跟踪支付、收入和乘客活动，以进行准确的报告和分析。
• 提供洞察并支持决策，以改善整体交通管理。

数据集结构

数据集由多个关系表组成，模拟巴士管理系统：

• Passenger – 存储乘客详细信息、联系方式、性别、出生日期和行李要求。
• Trip – 记录行程详细信息，包括出发和到达时间以及状态。
• Route – 定义城市、目的地和距离。
• Bus – 维护巴士编号、容量和运营状态。
• Staff – 包含员工姓名、角色、联系方式和分配状态。
• Booking – 记录预订日期、状态和等级。
• Ticket – 存储票证ID、价格、签发日期和状态。
• Payment – 记录支付金额、日期、方式和状态。
• 映射表 – 将乘客、行程、路线、巴士、员工、预订、票务和支付链接在一起，以确保关系完整性。

数据库规范化过程

非规范化形式（UNF）

• Passenger 表包含所有相关实体的复合属性。

第一范式（1NF）

• 分解为 Passenger-1 和 Trip_Passenger-1、Route_Passenger-1 等表，消除重复组。

第二范式（2NF）

• 进一步分解，移除部分函数依赖，形成 Passenger-2、Trip-2、Route-2 等独立实体表。

第三范式（3NF）

• 移除传递依赖，达到最终规范化结构，包括：
  • Passenger
  • Trip_Passenger
  • Trip
  • Route_Passenger
  • Route
  • Route_Bus
  • Bus
  • Route_Booking
  • Booking
  • Route_Staff
  • Staff
  • Route_Ticket
  • Ticket
  • Route_Payment
  • Payment

关键洞察

• 博卡拉和加德满都路线的行程和乘客数量最高。
• 乘客活动显示某些用户频繁出行，突出了忠诚客户。
• 热门路线的收入和支付最高，为运营规划提供数据。
• 巴士占用率和行程跟踪有助于识别未充分利用的行程以进行优化。

技术栈

• MySQL – 用于数据库创建、数据存储和管理。
• SQL查询 – 用于检索、聚合和分析数据。
• Canva – 用于创建项目演示。
• MySQL Workbench – 用于运行查询、设计和可视化数据库模式。

作者信息

• 姓名：Akisha Bhujel
• GitHub：https://github.com/akisavujel
• Kaggle：https://www.kaggle.com/akisavujel
• LinkedIn：https://www.linkedin.com/in/akisa-vujel-5437843a2/

搜集汇总

数据集介绍

构建方式

在交通管理领域，数据集的构建遵循严谨的数据库设计原则。该数据集通过模拟巴士运营系统的核心业务流程，采用关系型数据库模型进行构建。初始阶段，设计者将乘客、行程、路线、巴士、员工、预订、票务及支付等实体信息整合于非规范化表单中。随后，通过系统化的数据库规范化过程，逐步消除数据冗余与依赖异常，最终形成符合第三范式（3NF）的多个关联表结构，确保了数据的一致性与完整性，为后续的分析与应用奠定了坚实基础。

特点

该数据集的特点体现在其高度结构化的关系模型与丰富的业务维度。数据集涵盖了乘客个人信息、行程时刻、路线地理信息、巴士运营状态、员工配置、预订与票务记录以及支付详情等多个实体，并通过映射表实现了实体间的复杂关联。这种设计不仅完整模拟了真实交通管理系统的业务流程，还支持对乘客出行模式、路线运营效率、收入构成及资源利用率等多维度进行深入分析，为交通运营优化提供了全面的数据视角。

使用方法

在交通管理与数据分析领域，该数据集为研究者与实践者提供了宝贵的资源。用户可通过执行SQL查询，从不同维度提取数据，例如分析特定路线的乘客流量与收入关联、评估巴士的座位利用率或追踪高频旅客的出行模式。数据集支持生成运营报告、进行收入预测及优化行程调度等任务。通过连接各关系表，用户能够执行复杂的联接与聚合操作，从而驱动数据支持的决策制定，提升交通系统的管理效率与服务品质。

背景与挑战

背景概述

在智能交通系统与数据库管理领域，高效整合多源异构数据以支持运营决策是核心研究议题。Transportation Management System Dataset由研究者Akisha Bhujel构建，旨在模拟公交管理系统的实际运作。该数据集通过关系型数据库结构，囊括乘客、行程、路线、车辆、员工、预订、票务及支付等多维度实体，其设计聚焦于利用SQL查询实现数据分析、报告生成与运营优化，为交通管理中的资源调度、收益分析和乘客行为洞察提供结构化数据基础。

当前挑战

该数据集致力于解决交通管理系统中的多实体关系建模与运营优化问题，其挑战在于如何精准刻画动态行程调度、实时乘客流与资源分配间的复杂关联。在构建过程中，需克服数据规范化难题，例如将初始非规范化表结构逐步分解至第三范式，以消除冗余并确保关系完整性，同时维持各实体间映射逻辑的一致性，这对数据库设计者提出了较高的范式转换与数据建模能力要求。

常用场景

经典使用场景

在智能交通系统领域，该数据集为公共交通管理提供了结构化数据基础。其经典使用场景体现在模拟公交运营的完整生命周期，涵盖乘客、行程、路线、车辆及支付等核心要素。研究人员通过执行SQL查询，能够深入分析行程调度、车辆利用率及乘客流动模式，从而优化资源配置并提升运营效率。

衍生相关工作

围绕该数据集衍生的经典工作主要集中在交通数据分析与系统优化领域。例如，基于行程与乘客关联的忠诚度分析模型、结合路线距离与车辆状态的能耗评估框架，以及集成支付数据的收益管理算法。这些研究进一步拓展了数据集在智慧城市与可持续交通规划中的价值。

数据集最近研究

最新研究方向

在智能交通系统领域，运输管理系统数据集正成为优化公共交通运营的关键资源。当前研究聚焦于利用此类数据集开发先进的预测模型，以精准分析乘客出行模式与实时需求，从而动态调整班次调度与路线规划，提升运营效率。结合机器学习算法，学者们致力于挖掘历史行程与支付数据，预测高峰时段与热门线路，为资源分配提供数据支撑。此外，数据驱动的决策支持系统正整合多源信息，如车辆状态与员工配置，以实现全链路智能化管理，推动城市交通向可持续与韧性方向发展。这些探索不仅响应了全球智慧城市建设的趋势，也为减少拥堵与碳排放贡献了实证基础。