STAR_datasets

来自法国雷恩市STAR网络的公交交通匿名化及简化数据集。数据涵盖了从2018年7月18日至2019年1月19日的6个月时间。

An anonymized and simplified dataset of public transportation from the STAR network in Rennes, France. The data spans a period of six months, from July 18, 2018, to January 19, 2019.

原始信息汇总

数据集概述

数据集名称

• STAR_datasets

数据集描述

• 包含法国雷恩市STAR网络的公交车流量匿名化和简化数据。
• 数据覆盖时间：2018年7月18日至2019年1月19日，共6个月。

数据集内容

H0数据集

• 数据字段：
  • date
  • day_id
  • month
  • holidays
  • period
  • trip_start
  • line
  • line_variant
  • service_id
  • direction
  • id_A
  • id_B
  • arrival_B
  • departure_B
  • cumulated_distance
  • distance_delta
  • travel_time
  • dwell_time
  • commercial_speed

H2数据集

• 数据字段：
  • date
  • day_id
  • month
  • holidays
  • period
  • trip_start
  • line
  • line_variant
  • service_id
  • direction
  • order_A
  • type_stop_A
  • id_A
  • arrival_A
  • departure_A
  • order_B
  • type_stop_B
  • id_B
  • arrival_B
  • departure_B
  • distance
  • travel_time
  • dwell_time
  • commercial_speed

数据集特点

• 包含公交车的详细运行数据，如出发时间、到达时间、行驶距离、行驶时间等。
• 数据集中的时间字段详细记录了日期、星期、月份和节假日信息。
• 提供了公交线路、服务ID、方向和停靠站的具体信息。

搜集汇总

数据集介绍

构建方式

STAR_datasets数据集的构建是基于法国雷恩市STAR网络中公交交通的匿名化和简化数据。该数据集涵盖了从2018年7月至2019年1月的六个月时间跨度，通过对公交车辆的运行数据进行记录，形成了两个子数据集H0和H2，其中包含了日期、时间、线路、站点等信息，旨在为公交交通分析提供详实的基础数据。

特点

该数据集的特点在于其详尽性和匿名性，涵盖了不同季节和假日周期的公交运行数据。H0数据集提供了基本的行程信息，而H2数据集则在此基础上增加了站点顺序和类型等详细信息。这些数据集不仅有助于研究公交客流模式，还能够为线路优化和运营效率分析提供支持。

使用方法

用户在使用STAR_datasets数据集时，可以根据需求选择相应的子数据集。数据集以表格形式组织，其中每行代表一次公交行程的详细信息。用户可以通过编程语言如Python进行数据读取和分析，利用数据集中的时间戳、站点ID等字段进行时空分析，从而深入理解公交系统的运行特性。

背景与挑战

背景概述

STAR_datasets数据集是一组匿名化和简化后的公共交通数据，来源于法国雷恩市STAR网络的公交车流量信息。该数据集覆盖了2018年7月至2019年1月间的六个月时间。该数据集的创建旨在为公共交通流量分析、城市交通规划以及智能交通系统的研究提供实证基础。由雷恩市STAR网络的相关研究人员和机构负责收集和整理，其研究成果为城市交通管理提供了重要的数据支撑，对智能交通领域产生了显著影响。

当前挑战

STAR_datasets数据集在研究领域中面临的挑战主要包括：1)如何准确反映城市公共交通的实时流量和运行效率，尤其是在不同季节和节假日对交通流量的影响；2)数据集构建过程中，确保数据的匿名化处理以保护个人隐私，同时保持数据的真实性和可用性；3)处理大规模数据时，如何高效地进行数据清洗、整合和存储，以及如何利用这些数据进行准确的交通预测和优化算法的开发。

常用场景

经典使用场景

STAR_datasets作为公共交通领域的重要数据资源，其经典使用场景主要在于对城市公交系统的运营效率进行分析。通过研究该数据集，研究人员能够深入理解城市公交的客流变化规律，为线路规划、调度优化等提供决策支持。

解决学术问题

该数据集解决了公共交通领域中的多个学术研究问题，如基于实时客流数据的线路优化、节假日对公交客流的影响分析等。它为城市交通规划、交通拥堵缓解提供了实证基础，对于提升城市交通系统的智能化水平具有重要的理论和实践意义。

衍生相关工作

STAR_datasets的发布催生了一系列相关的研究工作，包括但不限于城市交通模式识别、公交网络优化算法开发、以及基于大数据的城市交通规划方法研究等。这些研究进一步扩展了数据集的应用范围，推动了公共交通领域的科学进步。