Data-Gouv-FR/points-de-vente-sncf

该数据集列出了法国国家铁路公司（SNCF）车站内设立的实体销售点，不包括Transilien设备。销售点包括实体柜台和自动售票机。数据集中提供了销售点的地址信息，并标注了每个销售点接受的支付方式，如信用卡、现金和支票。

This dataset lists physical sales points located in SNCF stations, excluding Transilien equipment. The sales points include physical counters and automated ticket machines. The addresses of the sales points are provided in the dataset, and the accepted payment methods (such as credit card, cash, and check) are indicated for each sales point.

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，收录了SNCF（法国国家铁路公司）在火车站内设立的实体销售点信息，但不包括Transilien区域通勤铁路的设施。原始数据以表格形式存在，经处理后构建为Hugging Face数据集仓库，每个原始数据资源对应一个子集配置，并统一划分为名为“train”的单一拆分。数据集以Parquet格式存储，文件路径为data/points-vente.parquet，便于高效读写与处理。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据，使用Python代码执行`load_dataset('Data-Gouv-ML/points-de-vente-sncf', 'points-vente')`即可获取子集，随后通过`dataset['train']`访问数据拆分。加载后的数据集可直接转换为Pandas DataFrame进行深入分析，或结合地理信息系统工具对销售点分布进行可视化与空间统计，适用于公共交通规划与商业选址研究。

背景与挑战

背景概述

Points de vente SNCF数据集由法国国家铁路公司（SNCF）于2015年创建，源自法国开放数据平台data.gouv.fr，致力于公开法国铁路站点内实体销售点（包括人工售票窗口与自动售票机）的空间分布与支付方式信息。该数据集遵循ODC-ODbL开放许可协议，核心研究问题聚焦于交通基础设施服务可达性的量化评估，为城市地理学与公共交通规划领域提供了基础数据支撑。其影响力体现在赋能公共服务资源优化配置研究，例如通过分析支付终端的地理分布差异，识别弱势群体在数字支付转型中的潜在被排斥风险。数据集以Parquet与CSV格式存储，包含地址、支付方式（银行卡、现金、支票）等结构化字段，为多模态交通网络分析奠定了数据基础。

当前挑战

该数据集解决的领域挑战在于：公共交通服务点的空间分布非均衡性直接影响旅客出行体验，而缺乏统一的细粒度开放数据导致规划决策依赖于零散调查。构建过程中面临多重挑战：首先，原始数据分散于法国各铁路运营系统，需跨部门整合实体的物理位置与支付设备信息，并统一地址编码标准；其次，自动售票机维护记录与支付终端变更需实时同步，但数据更新滞后造成质量偏差；此外，处理时空维度兼容性时，需将历史遗留的纸质POI记录数字化，且区分Transilien区域通勤铁路的边界以避免重复计数。这些挑战的克服推动了开放数据在公共交通基础设施评估中的标准化应用。

常用场景

经典使用场景

在交通运输与商业地理学的研究中，空间分布与可达性分析是最为基础也最为常见的应用方向。points-de-vente-sncf 数据集作为法国国家铁路公司（SNCF）官方公开的实体售票点名录，详细记录了分布于各火车站内的柜台与自动售票机的地理位置与支付方式。经典使用场景包括利用空间统计方法，如核密度估计与最近邻分析，探索售票设施在法国境内铁路网络中的分布规律；结合人口普查数据，评估不同区域居民获取铁路票务服务的便捷程度。该数据集为交通枢纽内商业设施的布局优化提供了扎实的数据基石。

解决学术问题

长期以来，学术界在交通可达性与公共服务均等化的研究中，常因缺乏精确到站点级别的设施分布数据而难以深入。该数据集精准地解决了这一瓶颈，使得研究者能够系统性地定量评估法国铁路系统内部票务服务设施的覆盖短板。通过分析不同类型售票点（人工柜台 vs. 自动售票机）的地理分布，学术工作得以揭示偏远或低密度区域可能面临的票务服务缺失问题。这一数据基础推动了关于交通公平性、铁路系统服务效率以及站内资源配置的实证研究，为理解交通枢纽中商业服务设施与旅客需求之间的空间匹配关系提供了关键的依据。

实际应用

在实际城市与交通规划中，该数据集的价值体现在多个可操作的层面。法国地方交通管理部门可依赖此数据，对全国火车站内的票务布局进行横向比对，识别出设施陈旧或支付手段单一的车站，进而制定差异化的升级方案。商业地产与零售企业在进行站点周边商业选址时，能够依据售票点的人流吸引力与分布密度，评估站内商铺的潜在客流量。此外，对于残障人士关怀等特殊服务设计，该数据集列出的支付方式信息可协助机构评估各站点是否满足无障碍购票的硬件条件，从而推动交通票务服务的包容性改良。

数据集最近研究

最新研究方向

当前，随着法国公共交通数字化转型的深入推进，points-de-vente-sncf数据集作为描述SNCF车站内实体销售点分布与支付方式的关键开放数据资源，正成为智慧交通与城市服务可达性研究的热点。前沿研究方向聚焦于利用该数据集结合地理信息系统（GIS）与机器学习模型，分析不同区域车站服务设施的配置均衡性，评估现金与非接触支付（如CB）在城乡车站的渗透差异，并预测因交通枢纽改造或票务系统自动化升级导致的销售点布局演变。此外，该数据集在法国数据开放运动（如data.gouv.fr）中与《开放数据指令》相呼应，被用于构建以用户为中心的多模态出行服务蓝图，推动票务无障碍与普惠金融政策落地，其研究成果对优化法国铁路客运服务网络、缩小数字鸿沟具有显著的社会经济意义。