bishkek-transport

Bishkek Public Transport是一个关于吉尔吉斯斯坦首都比什凯克公共交通网络的开放、持续增长的数据集。数据源自比什凯克市长办公室的公共交通监控系统，与城市官方实时交通地图和移动服务共享相同数据源。该数据集是首个公开可用的比什凯克交通移动历史记录，旨在支持这个数据稀缺的中亚城市的交通研究、城市移动性分析和机器学习工作。数据集包含两个子集：1. 站点清单（stops），提供1,501个物理停靠点的双语名称、坐标和方向信息；2. 车辆位置追踪（tracking），是一个从实时数据流中每5秒采样一次的车辆位置时间序列，每日追加，包含观测时间戳、车辆ID、类型、路线号、坐标等详细信息。数据自2026年7月24日起持续记录，格式为Parquet，坐标采用WGS84。数据集适用于拥堵映射、到达时间预测、车队分析等多种研究任务，但使用时需注意数据滞后、重复记录等特性，主要用于学术和研究目的。Bishkek Public Transport is an open, continuously growing dataset on the public transport network of Bishkek, the capital of Kyrgyzstan. The data originates from the Bishkek Mayors Office public transport monitoring system, sharing the same source as the citys official real-time traffic map and mobile services. It is the first publicly available historical record of transport movements in Bishkek, aimed at supporting transport research, urban mobility analysis, and machine learning efforts in this data-scarce Central Asian city. The dataset consists of two subsets: 1. Stops list (stops), providing a near-complete inventory of 1,501 physical stops with bilingual names, coordinates, and direction codes; 2. Vehicle location tracking (tracking), a time series of vehicle position observations sampled approximately every 5 seconds from a real-time data stream and appended daily, including timestamps, vehicle IDs, types, route numbers, coordinates, etc. Data is recorded continuously from July 24, 2026, in Parquet format with WGS84 coordinates. It is suitable for various research tasks such as congestion mapping, arrival time prediction, and fleet analysis, but users should note characteristics like data lag and duplicate records, primarily intended for academic and research purposes.

原始信息汇总

数据集概述：Bishkek Public Transport

基本信息

• 许可证：其他
• 语言：俄语 (ru)、吉尔吉斯语 (ky)
• 任务类别：时间序列预测 (time-series-forecasting)
• 标签：交通、公共交通、GPS、出行、地理空间、时间序列、比什凯克、吉尔吉斯斯坦、中亚、智慧城市
• 数据规模：1M 至 10M 条记录
• 创建时间：自 2026-07-24 (UTC) 起持续收录，每日追加

数据来源与用途

数据来源于吉尔吉斯共和国首都比什凯克市政府的公共交通监控系统（与城市官方实时公交地图和“我的城市”移动服务同源）。仅包含公开可见的交通信息：站点位置以及公交车、无轨电车/电动巴士和 marshrutka（共享小巴）的实时位置。

预期用途：学术与研究目的，支持交通研究、城市出行分析以及针对数据匮乏的中亚城市的机器学习工作。

数据子集

数据集包含两个子集（配置）：

1. stops — 站点清单

比什凯克公交网络近乎完整的物理停靠点清单，共 1,501 个站点，包含双语名称和坐标。

列名	类型	描述
id	int32	来源系统中的稳定站点标识符
name_ru	string	俄语站点名称
name_ky	string	吉尔吉斯语站点名称
name_en	string	英语站点名称（极少填充，多为空值）
lat	float64	纬度，WGS84坐标系
lng	float64	经度，WGS84坐标系
direction	int8	来源系统的方向/侧代码 (1–8)，区分街道两侧及站点服务的行驶方向

覆盖范围：比什凯克市及其近郊（大致纬度 42.69–43.12，经度 74.41–74.71）。与独立 OpenStreetMap 公交站点数据相比，站点位置高度一致（到最近 OSM 站点的中位距离约为 19 米），且该清单对比什凯克而言比 OSM 更完整。

2. tracking — 实时车辆位置（每日追加）

车辆位置观测的时间序列，大约每 5 秒 从实时数据源采样一次，每天追加到数据集中。

列名	类型	描述
ts	string	观测时间戳，UTC时间，ISO-8601 格式，精确到微秒。此为轮询周期时间戳：一个周期内约 700 辆车共享同一时间戳，是批量时间戳，而非每辆车的定位时间
id	int	车辆/设备标识符
type	int	车辆类型：1 = 无轨电车/电动巴士，2 = 公交车，3 = marshrutka（共享小巴）
route	int	车辆上显示的线路编号
gov_number	string	车辆车牌号
lat	float64	纬度，WGS84坐标系
lng	float64	经度，WGS84坐标系
angle	int	行驶方向，单位度（0–359）
device_time	string	车载设备报告的时间戳，格式为 DD.MM.YYYY HH:MM，当地时间（UTC+6），精确到整分钟。与 ts 在格式和时区上均不同

典型白天覆盖范围约为 ~700 辆 在线车辆；夜间无轨电车和 marshrutka 停止运行，仅剩公交车。

数据使用

python from datasets import load_dataset

加载站点清单

stops = load_dataset("aiacademy-kg/bishkek-transport", "stops", split="train")

加载实时位置时间序列

tracking = load_dataset("aiacademy-kg/bishkek-transport", "tracking", split="train")

坐标采用 WGS84 十进制度数，可直接用于 GeoPandas、folium、kepler.gl 或任何 GIS 工具。

数据注意事项（建模前必读）

1. 两个不同的时间戳：ts 为 UTC 时间，是轮询周期时间戳（约 700 辆车共享）；device_time 是当地时间（UTC+6）的车载设备时钟，精确到分钟。两者不可互换。
2. 滞后遥测数据：device_time 滞后于 ts，中位数约 1 分钟，但尾部较长（约 5% 的记录滞后 11 分钟以上，约 1% 滞后 24 分钟以上）。
3. “幽灵”车辆：数据源会持续返回已停车或信号丢失车辆的最后已知位置而未加标记。建议通过要求在一段时间窗口内有移动来过滤。
4. 约 70% 的重复位置：数据源每约 5 秒轮询一次，但设备大约每 20 秒报告一次。计算速度前需折叠重复项。
5. Marshrutka 代表性不足：类型 3 的观测数量远少于公交车——许多小巴未在数据源中进行 GPS 追踪。
6. 夜间时段：无轨电车 (1) 和 marshrutka (3) 夜间停止运行，其时段的缺失是真实的，而非数据缺失。
7. 可能的记录间隙：采集是连续的，但不能保证无间隙（网络中断）。需区分“无服务”与“未记录”。
8. 站点名称重复：许多同名站点彼此相距约 120 米以内——这些是街道两侧/相反方向的站点，不是重复项。关键：按 id 而非名称引用站点。
9. 公共交通不等于一般交通：车辆必须在站点停靠；静止的车辆可能是在停靠上客而非堵车。使用 stops 子集区分停靠与拥堵。

增强数据的外部数据源

• 天气数据（如 Meteostat, Open-Meteo）：雨、雪和冰会显著降低速度，对比什凯克的冬季尤为关键。
• 日历/节假日：需要包含当地特定信息，如诺鲁孜节、开斋节、古尔邦节（跟随阴历）、斋月（影响晚间高峰）、学校日历（改变早高峰）、供暖季（与季节性烟雾相关）。
• 道路网络与几何（OpenStreetMap）：用于地图匹配和网络分析。
• 海拔/地形：用于能源和速度建模。

补充说明

• 所有坐标均为 WGS84 (EPSG:4326) 十进制度数。
• stops 子集是定期刷新的快照；tracking 子集是仅追加的，每日增长。
• 仅供学术和研究使用。

搜集汇总

数据集介绍

构建方式

该数据集源自比什凯克市政当局的公共交通监控系统，系统性地采集了该市公共交通网络中的静态与动态信息。数据集被组织为两个子集：站点清单（stops）记录了1501个物理停靠点的双语名称、空间坐标及方向编码，其位置与OpenStreetMap独立数据的中位距离约19米，验证了其空间精度；实时追踪（tracking）子集则自2026年7月24日起以约5秒的采样频率持续记录车辆位置、类型、线路及时间戳，并每日追加新数据，构成了一个不断增长的纵向时间序列。

特点

该数据集的核心价值在于其为中亚数据匮乏城市提供了首个公开、可复现的历史公共交通轨迹记录。数据覆盖公交、无轨电车及小巴约700辆在线车辆，空间范围涵盖城区及近郊。其独特之处在于包含两种时间戳（UTC轮询时间与本地设备时间），并如实反映了市政数据流的原始瑕疵，如约70%的重复定位点、滞后遥测及幽灵车辆现象，这些特性为研究真实世界约束下的稀疏采样与噪声数据处理提供了宝贵素材。

使用方法

用户可通过HuggingFace的datasets库便捷调用数据：`load_dataset("aiacademy-kg/bishkek-transport", "stops", split="train")` 加载站点信息，`load_dataset("aiacademy-kg/bishkek-transport", "tracking", split="train")` 获取时序追踪数据。坐标以WGS84十进制度数存储，可直接对接GeoPandas、folium等地理信息系统工具。数据适用于拥堵分析、到达时间预测、车头时距规律性研究及异常检测等学术场景，并建议结合外部天气、节假日与道路网络数据以增强分析效能。

背景与挑战

背景概述

Bishkek Transport数据集由AI Academy Kyrgyzstan于2026年创建，聚焦吉尔吉斯斯坦首都比什凯克的公共交通网络。该数据集源自市政实时监控系统，记录了自2026年7月24日起的车辆GPS轨迹与站点信息，涵盖公交车、无轨电车及小巴等交通方式。作为中亚地区首个开放的历史公共交通数据集，它填补了该区域在智慧城市与时空序列预测研究中数据稀缺的空白，为分析新兴城市交通拥堵、服务可靠性及环境问题提供了基准。其持续增长的纵向特性使研究者能够评估网络动态变化，对全球交通机器学习基准在资源受限环境下的泛化能力构成重要补充。

当前挑战

该数据集的核心挑战在于解决比什凯克快速城市化带来的交通规划难题，如高峰拥堵与不规则车距，需通过历史轨迹数据量化时空速度模式并预测到达时间。构建过程中，数据面临多重技术障碍：存在来自轮询周期的UTC时间戳与设备本地时间戳的歧义性；约5%的遥测数据延迟超过11分钟，且出现冻结位置的‘幽灵车辆’干扰计数；约70%的重复定位需预处理才能计算有效速度；小巴因GPS覆盖率低导致样本不足。此外，需区分停车与堵车情景，并应对夜间服务中断与可能的记录缺口，这些噪声特性要求鲁棒的过滤与地图匹配方法。

常用场景

经典使用场景

Bishkek Public Transport数据集作为中亚地区首个开放的公共交通GPS轨迹历史记录，为城市移动性研究提供了宝贵的数据基础。最经典的使用场景在于基于车辆定位数据的时间序列分析，研究者可利用该数据集构建细粒度的交通拥堵图谱，通过将每条公交线路分割为连续站点之间的路段，并累积不同时段和星期的路段行程时间分布，从而绘制城市速度与可靠性地图。这一过程通常采用GPS地图匹配算法（如Newson–Krumm隐马尔可夫模型）将原始定位点映射至路线，再结合稳健的行程时间估计与核密度热点分析方法，揭示城市中时间系统性损耗的地理位置。

解决学术问题

该数据集有效解决了中亚地区因缺乏开放历史交通数据而难以开展实证研究的学术困境。在比什凯克这样快速发展、面临交通拥堵和间歇性调度问题的城市，研究者和规划者此前无法基于实际运行数据评估网络表现。该数据集提供了纵向可复现的基线，使得一系列原本无法回答的问题成为可能：交通网络在何时何地减速、服务的可靠性如何、天气和日历如何重塑需求与出行时间。同时，它填补了全球公交机器学习基准主要来自少数富裕城市的空白，为在稀疏采样、噪点遥测、无乘客计数等现实约束下检验方法提供了独特的试验场。

衍生相关工作

该数据集衍生了一系列重要的研究工作方向。在理论层面，它推动了基于GPS轨迹的公交运行分析方法的验证与改进，包括车头时距规律性与公交串车检测的研究，通过时间序列分析识别车辆成串到达后长期无车的现象。在应用层面，它催生了结合外部数据的多模态研究，如与Meteostat等气象数据关联，分析雨雪冰霜对行驶速度的影响；与本地日历信息整合，揭示诺鲁孜节、开斋节、斋月及学校作息对出行高峰的独特塑造作用。此外，异常与事故检测也成为热点方向，通过对比学习到的时空速度分布，能够检测网络级突发减速、车辆故障及离线路线事件，为城市应急响应提供数据支撑。