electricsheepafrica/africa-education-algeria
收藏资源简介：
该数据集提供了阿尔及利亚全国范围内医疗和教育服务的空间可及性分析。数据集使用免费开源工具（如openrouteservice）和开放数据源（主要是OpenStreetMap）创建。通过旅行时间等时线（表示汽车在给定时间或距离内可到达区域的多边形）与WorldPop人口数据（提供100米分辨率估计）的叠加，计算了距离医院服务10至120分钟和距离学校5至50公里范围内的人口。分析单位由geoboundaries国家边界定义，并在可用时汇总更细的行政级别（ADM 1-4）结果。数据集包含地区或国家名称、ISO国家代码、唯一标识符、行政级别、服务类别（教育、医院或初级医疗）、范围类型（距离或时间）、范围值、人口数量等字段。数据集存在一些局限性，如OSM数据完整性、人口估计准确性、旅行时间假设和边界精度问题。
annotations_creators: 无注释 language_creators: 现有公开资源采集 language: 英语 license: CC BY-SA 4.0 multilinguality: 单语言 size_categories: 1000 < 数据量 < 10000 source_datasets: 原创数据集 task_categories: 表格分类、表格回归、其他 task_ids: 无 tags: 非洲、人道主义、HDX（Humanitarian Data Exchange，人道主义数据交换平台）、Electric Sheep Africa、教育、医疗设施、交通、DZA（阿尔及利亚ISO3国家代码） pretty_name: "阿尔及利亚——可达性指标集" dataset_info: splits: - name: 训练集 num_examples: 1552 - name: 测试集 num_examples: 388 # 阿尔及利亚——可达性指标集 **发布方**：HeiGIT（海德堡地理信息技术研究所，Heidelberg Institute for Geoinformation Technology） · **源地址**：[HDX（人道主义数据交换平台）](https://data.humdata.org/dataset/algeria-accessibility-indicators) · **许可证**：`cc-by-sa` · **最后更新**：2026-02-27 --- ## 摘要 本数据集旨在深入剖析阿尔及利亚境内医疗与教育服务的空间可达性。数据集依托开源工具与公开数据源构建，其中包括[openrouteservice](https://openrouteservice.org/)与核心数据源[OpenStreetMap（开放街道地图，简称OSM）](https://www.openstreetmap.org/)。 为评估教育与医疗服务的可达性，研究采用了旅行时间等时线——即代表驾车在指定时间或距离范围内可抵达区域的多边形。将此类等时线与[WorldPop](https://www.worldpop.org/)提供的100米分辨率人口估算数据进行叠加，可计算出距离医疗机构10至120分钟车程区间内的人口，以及距离学校5至50公里区间内的人口。本数据集以[geoboundaries](https://www.geoboundaries.org/)提供的国家边界作为分析基准单元，若有细分行政层级数据（ADM 1至4级），也会一并完成汇总统计。 ### 数据结构 - **名称（name）**：区域或国家的官方名称 - **ISO代码（iso）**：ISO3国家/地区代码 - **唯一标识符（id）**：行政单元的唯一标识编号 - **国家（country）**：ISO3国家代码 - **行政层级（admin_level）**：行政单元所属的层级 - **服务类别（category）**：服务类型，可选值为`education`（教育）、`hospitals`（医院）或`primary_healthcare`（基层医疗） - **可达范围类型（range_type）**：汇水区生成方法，可选`distance`（距离）或`time`（时间） - **范围值（range）**：生成多边形时使用的学校距离（单位：米）或车程时间（单位：秒） - **总人口（population）**：指定范围内的总人口数 - **学龄人口（school_age_population）**：指定范围内的学龄人口总数 - **学龄人口累计占比（school_age_population_share）**：指定范围内学龄人口占总学龄人口的累计百分比 - **分段学龄人口（school_age_population_interval）**：当前距离区间内新增的学龄人口数 - **分段学龄人口占比（school_age_population_interval_share）**：当前区间内新增学龄人口占总新增学龄人口的比例 - **总人口累计占比（population_share）**：指定范围内总人口占全国总人口的累计百分比 - **分段总人口（population_interval）**：当前距离区间内新增的总人口数 - **分段总人口占比（population_interval_share）**：当前区间内新增总人口占总新增人口的比例 本数据集是HeiGIT在HDX平台发布的众多公开数据集之一，更多相关信息可访问[HeiGIT官方网站](https://heigit.org/)。 我们期待了解您的应用场景与研究成果！欢迎通过[communications@heigit.org](mailto:communications@heigit.org)联系我们，我们将乐于助力推广您的工作。 ### 参考文献 - [Geldsetzer, P., Reinmuth, M., Ouma, P. O., Lautenbach, S. et al. (2020)](https://www.thelancet.com/journals/lanhl/article/PIIS2666-7568(20)30010-6/fulltext) - [Petricola, S., Reinmuth, M., Lautenbach, S. et al. (2022)](https://ij-healthgeographics.biomedcentral.com/articles/10.1186/s12942-022-00315-2) - [Klipper, I. G., Zipf, A., and Lautenbach, S. (2021)](https://agile-giss.copernicus.org/articles/2/4/2021/) - [Ruiz Sánchez, R., Reinmuth, M., Albornoz, C., Lautenbach, S., and Zipf, A. (2025)](https://agile-giss.copernicus.org/articles/6/10/2025/) ### 补充信息 - [Open Access Lens](https://giscience.github.io/open-access-lens/#/) ### 数据集局限性 * **OSM数据完整性**：本分析依赖OpenStreetMap（OSM）数据。尽管OSM是全球最完善的开源地图数据集，但不同区域的数据质量差异显著。未被测绘的道路与设施可能导致可达性评估结果被低估。 * **人口估算误差**：人口数据来源于WorldPop的自上而下约束型估算模型，该模型基于人口普查投影与卫星影像构建，并非直接的人口普查计数，因此在局部像素尺度上可能存在误差。 * **旅行时间假设限制**：等时线基于不同道路类型的标准车速计算得出，未考虑实时交通、季节性天气（如洪涝）或路面破损等因素的影响。 * **行政边界精度**：行政边界数据来源于geoBoundaries，其与官方政府划定边界或其他标准的边界可能存在细微差异。 本数据集每条记录均为国家层级的汇总数据。数据最后更新于HDX平台的时间为2026-02-27，地理覆盖范围为**DZA（阿尔及利亚ISO3国家代码）**。 *本数据集已由[Electric Sheep Africa（绵羊非洲机器学习团队）](https://huggingface.co/electricsheepafrica)整理为适用于机器学习的Parquet格式。* --- ## 数据集特征 | | | |---|---| | **研究领域** | 公共卫生 | | **观测单元** | 国家层级汇总数据 | | **总记录数** | 1940条 | | **字段数量** | 15个（5个数值型，10个分类型，0个日期时间型） | | **训练集规模** | 1552条记录 | | **测试集规模** | 388条记录 | | **地理覆盖范围** | DZA | | **发布方** | HeiGIT（海德堡地理信息技术研究所） | | **HDX平台最后更新时间** | 2026-02-27 | --- ## 变量说明 **地理类变量**：`iso`（取值格式如DZ-01、DZ-03、DZ-29）、`country`（取值为DZA）、`admin_level`（取值为ADM2、ADM1、ADM0）、`category`（取值为education，即教育类）、`range_type`（取值为DISTANCE，即距离型）等共5个。 **标识符与元数据类变量**：`name`（取值如Adrar、Ouargla、Ghardaia）、`id`（取值如36490775B95529317550299、36490775B13873094912427、36490775B12691773120896）、`esa_source`（取值为HDX）、`esa_processed`（取值为2026-04-27）。 **其他变量**：`range`（取值区间为5000.0~50000.0）。 --- ## 快速上手示例 python from datasets import load_dataset # 加载阿尔及利亚教育可达性指标数据集 ds = load_dataset("electricsheepafrica/africa-education-algeria") # 将数据集转换为Pandas数据框格式 train = ds["train"].to_pandas() test = ds["test"].to_pandas() # 打印训练集的维度信息 print(train.shape) # 查看训练集的前5条记录 train.head() --- ## 数据字段结构 | 字段名 | 数据类型 | 缺失率 | 取值范围/示例值 | |---|---|---|---| | `name` | 字符串型 | 0.0% | 阿德拉尔、瓦尔格拉、盖尔达耶 | | `iso` | 字符串型 | 49.5% | DZ-01、DZ-03、DZ-29 | | `id` | 字符串型 | 0.0% | 36490775B95529317550299、36490775B13873094912427、36490775B12691773120896 | | `country` | 字符串型 | 0.0% | DZA | | `admin_level` | 字符串型 | 0.0% | ADM2、ADM1、ADM0 | | `category` | 字符串型 | 0.0% | education | | `range_type` | 字符串型 | 0.0% | DISTANCE | | `range` | 64位整型 | 0.0% | 5000.0 ~ 50000.0（均值为27500.0） | | `population_type` | 字符串型 | 0.0% | school_age、total | | `population` | 64位整型 | 0.0% | 16159.0 ~ 42897389.0（均值为794458.3294） | | `population_share` | 浮点型 | 0.0% | 48.03 ~ 100.0（均值为90.7204） | | `population_interval` | 64位整型 | 0.0% | 0.0 ~ 34649853.0（均值为83284.1907） | | `population_interval_share` | 浮点型 | 0.0% | 0.0 ~ 99.58（均值为9.6073） | | `esa_source` | 字符串型 | 0.0% | HDX | | `esa_processed` | 字符串型 | 0.0% | 2026-04-27 | --- ## 数值型字段统计信息 | 字段名 | 最小值 | 最大值 | 均值 | 中位数 | |---|---|---|---|---| | `range` | 5000.0 | 50000.0 | 27500.0 | 27500.0 | | `population` | 16159.0 | 42897389.0 | 794458.3294 | 343841.0 | | `population_share` | 48.03 | 100.0 | 90.7204 | 95.17 | | `population_interval` | 0.0 | 34649853.0 | 83284.1907 | 4094.5 | | `population_interval_share` | 0.0 | 99.58 | 9.6073 | 1.055 | --- ## 数据整理流程 原始数据通过CKAN API从HDX平台下载，并转换为Parquet格式。字段名称统一转换为小写蛇形命名法。将常见缺失值标记（`N/A`、`null`、`none`、`-`、`unknown`、`no data`、`#N/A`）统一替换为`NaN`。本数据集以固定随机种子（42）按80/20的比例划分为训练集与测试集，并以Snappy压缩格式存储为Parquet文件。 --- ## 数据集局限性说明 - 本数据集原始数据来源于HeiGIT（海德堡地理信息技术研究所），尚未经Electric Sheep Africa独立验证。 - 自动化清洗流程无法修正原始数据集中的错误上报值、定义不一致或采样偏差等问题。 - 以下字段的缺失率超过20%，在建模过程中需谨慎使用：`iso`。 - 如需了解发布方的方法论说明与额外限制，请参阅[原始HDX数据集页面](https://data.humdata.org/dataset/algeria-accessibility-indicators)。 --- ## 引用格式 bibtex @dataset{hdx_africa_education_algeria, title = {阿尔及利亚——可达性指标集}, author = {HeiGIT（海德堡地理信息技术研究所，Heidelberg Institute for Geoinformation Technology）}, year = {2026}, url = {https://data.humdata.org/dataset/algeria-accessibility-indicators}, note = {由Electric Sheep Africa（https://huggingface.co/electricsheepafrica）整理为机器学习可用格式} } --- *[Electric Sheep Africa（绵羊非洲机器学习团队）](https://huggingface.co/electricsheepafrica) — 非洲机器学习数据集基础设施。尼日利亚拉各斯。*
