pittsburgh_floods_street_level

该数据集通过整合公开可用的数据源，提供了美国宾夕法尼亚州匹兹堡市2015年至2024年城市洪水的细粒度时空信息。数据源包括NOAA风暴事件数据库和匹兹堡311洪水请求。每一行对应一个街道段洪水事件，由唯一的'u_node'和'v_node'组合以及时间定义。每个洪水事件通过提供的位置信息映射到街道段（一对多）。对于NOAA风暴事件，遵循报告机制并按事件叙述、由开始/结束坐标定义的边界框以及方位/距离信息的顺序匹配街道段。对于311洪水相关请求，映射到连接报告交叉路口的街道段，或如果仅提供一条街道，则映射到最接近事件坐标的街道段。映射使用了基于OSMnx驾驶网络（有向，Boeing 2025）的街道级信息。去重处理通过移除同一街道段（由(u_node, v_node)定义）在1小时内重复提交的报告来完成。

原始信息汇总

数据集概述

基本信息

• 数据集名称: pittsburgh_floods_street_level
• 发布平台: Hugging Face
• 许可证: CC BY 4.0
• 语言: 英语 (en)
• 任务类别: 表格问答、问答
• 标签: 洪水
• 数据规模: 小于1K条样本

数据内容与范围

• 地理范围: 美国宾夕法尼亚州匹兹堡市
• 时间范围: 2015年至2024年
• 数据粒度: 细粒度时空信息，记录城市洪水事件
• 数据单位: 每条记录对应一个街道段洪水事件，由唯一的“u_node”和“v_node”组合以及时间定义

数据来源与处理

• 主要数据源:
  1. NOAA风暴事件数据库
  2. 匹兹堡311洪水相关请求
• 数据映射方法:
  • 使用提供的定位信息将洪水事件映射到街道段（一对多映射）
  • 对于NOAA风暴事件：遵循报告机制，按事件叙述顺序、由开始/结束坐标定义的边界框以及方位角/距离信息匹配街道段
  • 对于311洪水相关请求：映射连接所报告交叉路口的街道段，或如果仅提供单条街道，则映射最接近事件坐标的街道段
• 映射基础: 基于OSMnx驾驶网络（有向，Boeing 2025）的街道级信息
• 去重处理: 如果同一街道段（由(u_node, v_node)定义）的报告提交时间间隔小于1小时，则移除重复报告

相关数据集

• 纽约市洪水数据集（遵循类似的数据收集和处理流程）:
  • Zenodo: https://zenodo.org/records/18062104
  • Hugging Face: https://huggingface.co/datasets/yueq92/nyc_floods_street_level

引用信息

• DOI: 10.5281/zenodo.17562033
• 参考文献: Boeing, G. (2025). Modeling and Analyzing Urban Networks and Amenities with OSMnx. Geographical Analysis 57 (4), 567-577. doi:10.1111/gean.70009

搜集汇总

数据集介绍

构建方式

在洪水灾害研究领域，精细化的时空数据对于理解城市内涝动态至关重要。Pittsburgh Floods Street Level 数据集通过整合美国国家海洋和大气管理局（NOAA）风暴事件数据库与匹兹堡市311洪水报告系统这两类公开数据源，系统性地构建了2015年至2024年间美国宾夕法尼亚州匹兹堡市的城市街道级洪水事件记录。其核心构建方法在于将每个洪水事件映射到由OSMnx驾驶网络定义的特定街道段上，该网络采用有向图结构。对于NOAA事件，依据事件描述、由起止坐标定义的边界框以及方位角/距离信息进行顺序匹配；对于311报告，则根据上报的交叉路口或最近街道坐标进行映射。为确保数据唯一性，对同一街道段在一小时内重复上报的记录进行了去重处理。

特点

该数据集以其精细的时空粒度和标准化的结构在洪水研究数据中脱颖而出。其核心特征在于每条记录对应一个由唯一“u_node”和“v_node”组合定义的特定街道段在特定时间发生的洪水事件，实现了洪水定位从模糊区域描述到精确街道网络的跨越。数据覆盖了近十年的长时序，为分析洪水事件的时空分布模式与演变趋势提供了坚实基础。此外，数据集严格遵循了公开数据源的整合与标准化处理流程，确保了数据的可追溯性与可复现性。其与采用类似方法构建的纽约市洪水数据集互为补充，为跨城市的比较研究创造了条件。

使用方法

该数据集主要面向城市水文学、灾害风险管理及地理信息科学等领域的研究者与规划者。使用者可通过其提供的结构化表格，进行街道级别的洪水事件查询、统计分析与时空模式挖掘。典型应用包括识别城市洪水热点路段、分析洪水事件与极端降雨的关联性，或评估市政响应系统的效率。数据以表格形式组织，便于直接导入数据分析软件或与地理信息系统（GIS）平台结合，进行空间可视化与网络分析。在使用时，研究者需注意数据来源于行政报告系统与气象数据库，其完整性可能受报告行为影响。为遵循学术规范，任何基于此数据集的研究成果均应引用其指定的数字对象标识符（DOI）。

背景与挑战

背景概述

随着全球气候变化加剧，极端天气事件频发，城市洪涝灾害已成为威胁城市安全与可持续发展的核心问题之一。匹兹堡洪水街段数据集由研究团队于2024年构建，整合了美国国家海洋和大气管理局风暴事件数据库及匹兹堡311洪水请求等公开数据源，旨在提供2015年至2024年间匹兹堡市街段级别的精细化时空洪水信息。该数据集通过OSMnx驱动网络映射街道段，以节点对定义洪水事件，为城市水文建模、灾害风险评估及应急管理策略优化提供了关键数据支撑，推动了智慧城市与气候适应性研究领域的进展。

当前挑战

该数据集致力于解决城市洪涝事件的精细化时空建模与动态监测挑战，其核心在于将多源异构报告数据准确映射至街道网络，并实现事件去重与一致性整合。在构建过程中，面临数据源格式差异显著、地理位置描述模糊以及时间分辨率不一致等难题，例如NOAA风暴事件叙述与311请求坐标信息需通过边界框、方位角等多重匹配逻辑进行对齐。此外，街段网络拓扑结构的复杂性及事件报告的时间接近性去重阈值设定，均对数据质量与可靠性提出了较高要求。

常用场景

经典使用场景

在城市水文学与灾害管理领域，精细化的时空数据对于理解洪水动态至关重要。Pittsburgh Floods Street Level数据集通过整合NOAA风暴事件数据库与匹兹堡311洪水请求，提供了2015年至2024年间匹兹堡城市街道段级别的洪水事件记录。该数据集最经典的使用场景在于支持城市洪水风险建模与预测研究，研究者可基于街道段（由u_node和v_node定义）和时间维度，分析洪水事件的时空分布模式、频率及持续时间，从而评估城市基础设施的脆弱性，并为排水系统优化提供数据支撑。

实际应用

在实际应用层面，该数据集为城市管理与应急响应提供了关键工具。市政部门可利用街道段级别的洪水历史数据，识别高频洪水热点区域，优先部署防洪设施如雨水花园或升级排水管道。应急管理机构则能基于时空模式优化预警系统，在风暴事件中快速定位潜在淹没路段，指导疏散路线规划。此外，保险公司可借助该数据评估财产风险，制定更精准的洪水保险费率，从而增强城市整体应对气候变化的韧性。

衍生相关工作

该数据集已衍生出一系列经典研究工作，特别是在城市洪水数据融合与建模领域。例如，基于类似数据收集流程的纽约市洪水数据集（NYC Floods Street Level）已在Zenodo和Hugging Face平台发布，扩展了地理覆盖范围，支持跨城市比较研究。相关研究利用OSMnx网络分析方法，探索了街道拓扑结构与洪水传播的关系；亦有工作结合机器学习算法，从历史事件中预测未来洪水风险，推动了智能城市灾害管理工具的创新发展。