ano6060/anonymous-ride-gold-standard

RIDE Gold Standard是RIDE数据集的完整基准就绪版本。它包含固定的训练/测试快照分割、规范评估表以及用于比利时客运铁路运营中列车延误预测的模型就绪表示。该版本旨在作为RIDE的主要基准层级，用于在共享的RIDE预测任务和评估协议下对模型进行全面评估和比较。数据集覆盖2023年1月至2025年12月的时间范围，包含50,000个训练快照和10,000个测试快照，每个列车有15个未来目标事件，测试评估行数达210万。数据提供多种模型就绪表示形式，包括表格化、序列化、图神经网络（GNN）和图事件基准。数据来源于Infrabel开放数据和Open-Meteo，并遵循CC BY 4.0许可协议。许可证：CC BY 4.0 规范名称：RIDE金标准数据集 标签： - 铁路网络 - 列车晚点预测 - 基准测试 - 交通运输 配置项： - 配置名称：core 数据文件： - 划分方式：测试集 路径：core/test_eval_table.parquet # RIDE金标准数据集 RIDE金标准数据集是RIDE数据集的正式基准就绪版，包含固定的训练/测试快照划分、标准评估表，以及适用于比利时客运铁路运营场景下列车晚点预测的模型就绪表征。 本版本作为RIDE数据集的核心基准层级，用于在统一的RIDE预测任务与评估协议下，对各类模型开展全规模评估与性能对比。 ## 链接 - 代码仓库：https://github.com/ano6060/anonymous-ride - 论文：待发布，出版后补充 ## 文件 | 文件路径 | 内容说明 | |---|---| | `core/dataset_core_spec.yaml` | 基准划分与目标构建规范。 | | `core/metadata.yaml` | 核心数据集元数据、参数与样本行数统计。 | | `core/test_eval_table.parquet` | 标准测试评估表，包含快照键、最新已知晚点信息、未来事件元数据与未来晚点预测目标。此为数据集查看器中展示的核心Parquet数据表。 | | `tabular/` | 适用于训练与测试划分的高密度表格型NumPy数组，附带 schema 与归一化文件，供MLP、XGBoost及Transformer基线模型使用。 | | `sequential/` | 适用于训练与测试划分的序列型NumPy数组，附带 schema 与归一化文件，供长短期记忆网络（Long Short-Term Memory, LSTM）基线模型使用。 | | `gnn/` | 适用于训练与测试划分的PyTorch Geometric异构图分片，附带特征规范与归一化文件，供图神经网络（Graph Neural Network, GNN）基线模型使用。 | | `graph_event/` | 图事件基准测试工件，包含拓扑链路、测试事件、测试行程与旅行时间样本，供确定性图事件基线模型使用。 | | `ride_gold_standard_croissant.json` | 包含 schema、负责任AI与溯源信息的Croissant元数据文件。 | ## 覆盖范围 - 训练快照周期：2023年1月至2024年12月 - 测试快照周期：2025年1月至2025年12月 - 训练快照总数：50,000 - 测试快照总数：10,000 - 每列车的未来目标事件数：15 - 测试评估样本行数：210万 - 模型就绪表征类型：表格型、序列型、图神经网络型与图事件型 ## 加载示例 python import numpy as np import pandas as pd test_eval = pd.read_parquet("core/test_eval_table.parquet") x_train = np.load("tabular/train/x.npy") y_train = np.load("tabular/train/y.npy") y_train_mask = np.load("tabular/train/y_mask.npy") md_train = np.load("tabular/train/md.npy", allow_pickle=True) 如需获取本仓库中针对各模型专属表征的完整加载、训练与评估示例，请参阅上述链接的代码仓库。 ## 构建说明 RIDE金标准数据集由RIDE银标准数据集通过RIDE gold-construction流水线生成。有关构建代码、基准测试脚本与配置文件的详情，请参阅上述链接的代码仓库。 ## 注意事项 RIDE金标准数据集包含衍生的基准测试工件、模型数组、图张量、铁路运营记录与天气衍生变量。本数据集未故意包含乘客身份、员工身份、票务记录、设备标识符或直接个人信息。 负责任AI、溯源与限制元数据详见`ride_gold_standard_croissant.json`文件。 ## 数据源 RIDE金标准数据集衍生自RIDE银标准数据集： - RIDE银标准数据集：https://huggingface.co/datasets/ano6060/anonymous-ride-silver 其底层铁路与天气数据源为： - Infrabel开放数据平台：https://infrabel.opendatasoft.com/pages/home/ - Open-Meteo：https://open-meteo.com/ 使用RIDE金标准数据集时，请注明引用RIDE数据集、Infrabel开放数据平台与Open-Meteo。 ## 许可证 RIDE金标准数据集采用CC BY 4.0协议发布。