five

TMC_Dataset

收藏
github2024-07-10 更新2024-07-11 收录
下载链接:
https://github.com/Timeon1/TMC_Dataset
下载链接
链接失效反馈
官方服务:
资源简介:
TMC(Travel Management Companies)资料集,包含中国国内机场城市列表,包括城市三字码、机场三字码、机型三字码、中国航司logo等信息。

The TMC (Travel Management Companies) dataset contains a list of domestic airport cities in China, including 3-letter city codes, 3-letter airport codes, 3-letter aircraft type codes, and logos of Chinese airlines, etc.
创建时间:
2024-07-10
原始信息汇总

TMC_Dataset

TMC(Travel Management Companies)数据集,包含中国国内机场城市列表(城市三字码、机场三字码)。

数据列表

文件列表 格式
中国城市三字码(按首字母拼音分组) JSON
航司二字码(全球 共计934条) JSON
航司二字码(中国 共计43条) JSON
航司Logo图片(中国 共计40张) 图片
机型三字码 JSON
机场接机点(国内) JSON

数据预览

中国城市三字码预览

json { "cityId": "321", "cityCode": "SHA", "cityFullName": "上海", "cityShortName": "上海", "cityFullPinyin": "Shanghai", "cityShortPinyin": "SH", "airportCode": "SHA;PVG", "airportName": "上海虹桥国际机场;上海浦东国际机场", "airportShortName": "虹桥机场;浦东机场", "isHaveAirport": 2, "mainAirportCode": "SHA", "provinceId": "25", "provinceFullName": "上海直辖市", "provinceShortName": "上海", "provinceFullPinyin": "Shanghai", "provinceShortPinyin": "SH", "countryId": "1", "countryCNName": "中国", "cityWeight": 9995, "groupKey": "S" }

航司二字码预览

json {"value":"A1","text":"APG航空"},{"value":"A2","text":"阿斯特拉航空"},{"value":"A3","text":"爱琴海航空"}

航司二字码(国内)预览

json { "value": "MU", "text": "东方航空(MU)", "filterText": "MU,东方航空,东方航空,China Eastern Airlines" }, { "value": "CZ", "text": "南方航空(CZ)", "filterText": "CZ,南方航空,南方航空,China Southern Airlines" },

航司LOGO预览

image

机型三字码预览

json "743":{ "ID":1118, "ThreeCode":"743", "FourCode":"B743", "Longname":"B747-300", "Aclevel":"FCYK", "Seats":"295", "Speed":"8", "Actype":"C1", "Aptime":"65", "citypairactype":"机型8", "PickOutTime":"75", "OtherTime":"65", "UpdateName":null, "UpdateType":null, "pd":"P" }

机场接机点(国内)预览

json [ { "AirportName": "浦东国际机场", "AirportCode": "PVG", "CityName": "上海", "CityCode": "310000", "Terminal": "T2 (国内到达)", "Longitude": 121.808118, "Latitude": 31.151526 }, { "AirportName": "浦东国际机场", "AirportCode": "PVG", "CityName": "上海", "CityCode": "310000", "Terminal": "T2 (国际港澳台到达)", "Longitude": 121.808905, "Latitude": 31.149461 }, { "AirportName": "虹桥国际机场", "AirportCode": "SHA", "CityName": "上海", "CityCode": "310000", "Terminal": "T2 (出发南)", "Longitude": 121.327843, "Latitude": 31.192462 }, { "AirportName": "虹桥国际机场", "AirportCode": "SHA", "CityName": "上海", "CityCode": "310000", "Terminal": "T1", "Longitude": 121.34726, "Latitude": 31.195412 }, { "AirportName": "虹桥国际机场", "AirportCode": "SHA", "CityName": "上海", "CityCode": "310000", "Terminal": "T2 (出发北)", "Longitude": 121.325606, "Latitude": 31.195008 } ]

搜集汇总
数据集介绍
main_image_url
构建方式
TMC_Dataset数据集的构建基于对中国国内机场和航空公司的深入研究。数据集包括中国城市三字码、全球及中国航司二字码、航司Logo图片、机型三字码以及国内机场接机点等关键信息。这些数据通过系统化的收集和整理,确保了信息的准确性和完整性。数据集的构建过程中,特别注重了数据的分类和分组,如城市三字码按首字母拼音分组,航司二字码按全球和中国分类,这为后续的数据分析和应用提供了便利。
特点
TMC_Dataset数据集的特点在于其全面性和精细化的分类。数据集不仅涵盖了中国国内主要城市的机场信息,还包括了全球934家航司的二字码,以及中国43家航司的详细信息。此外,数据集还提供了航司Logo图片和机型三字码,这些信息对于航空管理和旅行服务具有重要价值。数据集的精细化分类,如城市三字码按拼音首字母分组,使得数据检索和应用更加高效。
使用方法
TMC_Dataset数据集的使用方法多样,适用于航空管理、旅行服务、数据分析等多个领域。用户可以通过访问GitHub页面下载所需的JSON文件,进行本地数据处理和分析。例如,城市三字码文件可用于城市间航班的匹配,航司二字码文件可用于航空公司信息的检索,航司Logo图片可用于品牌展示,机型三字码可用于航班调度分析。数据集的结构化设计使得数据导入和处理过程简便,用户可以根据具体需求灵活应用。
背景与挑战
背景概述
TMC_Dataset,全称为Travel Management Companies Dataset,是由中国国内的研究团队创建的一个专注于航空旅行管理的数据集。该数据集包含了丰富的航空相关信息,如城市三字码、机场三字码、航司二字码、机型三字码以及机场接机点等。这些数据对于航空旅行管理、航班调度、以及旅客服务优化等领域具有重要意义。通过提供标准化的数据格式,TMC_Dataset为相关研究提供了坚实的基础,促进了航空管理领域的技术进步和应用创新。
当前挑战
尽管TMC_Dataset提供了丰富的航空相关数据,但在构建和应用过程中仍面临诸多挑战。首先,数据的标准化和一致性是一个重要问题,不同来源的数据可能存在格式和内容的差异,需要进行复杂的清洗和整合。其次,数据的安全性和隐私保护也是不可忽视的挑战,尤其是在涉及旅客个人信息和航班调度等敏感领域。此外,随着航空业的快速发展,数据集需要不断更新以反映最新的航空信息,这对数据维护和更新提出了持续的要求。
常用场景
经典使用场景
在航空管理领域,TMC_Dataset数据集的经典使用场景主要体现在航班信息管理和机场运营优化上。该数据集提供了详尽的中国城市三字码、机场三字码、航司二字码以及机型三字码等信息,使得航空公司和旅行管理公司能够高效地进行航班调度、航线规划和客户服务。例如,通过整合城市与机场的对应关系,系统可以自动匹配旅客的出发地和目的地,从而提升预订和登机流程的效率。
解决学术问题
TMC_Dataset数据集在学术研究中解决了多个关键问题,特别是在航空运输管理和地理信息系统(GIS)领域。该数据集提供了丰富的机场和航司信息,有助于学者们研究航班网络的复杂性、机场的运营效率以及航空公司的市场策略。此外,通过分析机场接机点的地理坐标,可以进一步探讨城市交通网络与航空运输的协同优化问题,为城市规划和交通管理提供科学依据。
衍生相关工作
基于TMC_Dataset数据集,衍生出了多项经典工作,涵盖了航空管理、地理信息系统和数据挖掘等多个领域。例如,有研究利用该数据集进行航班延误预测模型的构建,通过分析历史航班数据和机场运营信息,提高了预测的准确性。此外,还有学者利用数据集中的城市和机场信息,研究了航空网络的复杂性和鲁棒性,为航空运输系统的优化提供了理论支持。这些衍生工作不仅丰富了航空管理领域的研究内容,也为实际应用提供了有力支撑。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作