Data-Gouv-FR/zonage-abc-des-communes-tension-du-marche-des-logements

该数据集基于法国建筑与住房法典第D304-1条定义的ABC分区，对法国市镇进行地理区域分类，依据住房市场供需失衡程度。按紧张程度递减，分区包括：Abis、A、B1、B2和C，其中Abis区包含在A区内，B1和B2区共同构成B区。数据集用于分析住房市场紧张情况，支持公共政策制定和城市规划。Defined in Article D304-1 of the French Construction and Housing Code, the zoning conventionally called ABC performs a classification of municipalities in the national territory into geographical zones based on the imbalance between the supply and demand of housing. In descending order of tension, the geographical zones are: Abis, A, B1, B2 and C. Zone A bis is included in zone A, zones B1 and B2 form zone B.

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共数据平台data.gouv.fr，基于官方发布的《住房市场压力分区（Zonage ABC）》数据集进行整理。原始数据由法国生态转型部依据《建筑与住房法典》第D304-1条定义，将全国市镇按住房供需失衡程度划分为Abis、A、B1、B2、C五个等级。Hugging Face版本保留了原始资源的表格结构，采用Parquet格式存储，每个官方数据集对应一个Hugging Face仓库，每张原始表格对应一个子集配置，并统一包含名为'train'的数据划分。当前数据集仅包含'zonage-abc-communes-2022'一个子集，对应2022年的市镇分区数据。

特点

该数据集以法国市镇为基本单元，提供精细化的住房市场压力等级分类，覆盖全国范围内数千个市镇。其核心特色在于通过官方标准化分区体系，量化呈现不同地区的住房供需紧张程度，为区域经济分析、房地产研究及公共政策制定提供可靠基准。数据采用开放许可协议（lov2）发布，支持自由获取与再利用。格式上采用高效的Parquet列式存储，兼顾数据完整性与加载速度，适合大规模批处理与机器学习场景。同时，数据集通过统一的配置与拆分机制，降低了与Hugging Face生态系统的集成门槛。

使用方法

用户可通过Hugging Face的datasets库便捷加载该数据集，以Python代码示例为蓝本：调用load_dataset函数，指定仓库名'Data-Gouv-ML/zonage-abc-des-communes-tension-du-marche-des-logements'及子集名称'zonage-abc-communes-2022'，即可获取包含'train'分区的数据集对象。加载后的数据可直接利用datasets库的API进行探索、过滤或转换，适合结合pandas、numpy等工具进行统计分析，或作为特征工程输入至空间计量、分类预测等模型中。由于数据来源于官方平台，建议用户在使用时同步查阅原始data.gouv.fr页面以获取完整的元数据更新信息。

背景与挑战

背景概述

该数据集名为Zonage ABC des communes - Tension du marché des logements，源自法国公共数据平台data.gouv.fr，由法国生态转型部等官方机构维护，创建时间为2022年。核心研究问题围绕法国住房市场的供需失衡现象，通过将全国市镇划分为A bis、A、B1、B2和C五个等级，量化区域住房紧张程度。该分类基于《建筑与居住法典》第D304-1条，广泛应用于国家住房政策制定、租金管制及税务优惠等调控措施，对法国城市经济学、公共政策评估和社会空间不平等研究具有重要影响力。

当前挑战

该数据集所解决的领域问题在于精确定量描述住房市场紧张程度，挑战在于区域划分主观性较强，难以完全反映动态变化的供需关系，且不同等级间边界模糊可能引发政策执行偏差。构建过程中面临的主要挑战包括：数据来源多元且标准不一，需协调各市镇的人口、住房存量及交易价格等指标；时间跨度与更新频率的平衡，以保证分类时效性；此外，公开数据中可能存在的缺失或异常值增加了数据清洗与校验的复杂性，影响最终分区的科学性与公信力。

常用场景

经典使用场景

该数据集源自法国官方住房政策数据库，收录了全国各市镇依据《建筑与居住法典》第D304-1条定义的ABC住房紧张分区信息。经典使用场景包括评估不同区域住房供需失衡程度，以及分析各市镇在Abis、A、B1、B2、C五类分区中的等级分布。研究者可基于此数据集构建空间计量模型，揭示住房紧张与人口密度、经济活力、交通设施等地理空间因素的关联规律，为区域住房政策制定提供精准的数据支撑。

衍生相关工作

围绕该数据集衍生了一系列经典成果。例如，基于ABC分区与家庭迁徙数据构建的空间计量模型，系统揭示了住房紧张对人口流动的驱动效应；另一项研究则将分区标签与就业密集度、公共交通可达性等多元变量关联，利用回归分析量化各分区间的经济梯度差异。此外，部分工作借助时间序列比对，跟踪分区的年度动态调整，为预测区域住房市场演进趋势提供了方法论支撑，推动了法国住房政策定量分析的体系化发展。

数据集最近研究

最新研究方向

在法国房地产研究领域，该数据集已成为解析住房市场供需失衡现象的核心工具。当前前沿方向聚焦于利用Zonage ABC分类体系（从Abis至C的五级紧张梯度），结合空间计量经济学与机器学习模型，揭示区域房价分化与住房可负担性之间的动态关联。尤其在2023年法国《气候与韧性法》强化城市密度管控的背景下，研究者通过该数据集追踪ABC分区与租金管制政策（如Zone A bis的强力干预）的交叉效应，探讨如何通过精细化地理划分抑制投机性需求。此外，基于该数据的序列迁移学习实验正尝试预测住房紧张指数在行政区划重组（如2024年巴黎大都市区扩展）后的突变规律，为国土整治政策提供量化依据。其开源属性与Parquet格式的高效性，更推动法国公共数据在可持续城市研究领域的跨学科应用。