Data-Gouv-FR/consommation-annuelle-de-gaz-par-iris-et-code-naf-depuis-2018

该数据集用于可视化天然气消费的演变，包括按MWh计的消费量和交付点数量，按年份、部门（住宅、商业、工业、农业或未分配）、消费类别、NAF代码和地理区域细分。地理区域为IRIS区域。这些数据在遵守商业敏感信息保护规则的情况下发布。This dataset is designed to visualize the evolution of natural gas consumption, covering both consumption volume measured in MWh and the number of delivery points. It is segmented by year, sector (residential, commercial, industrial, agricultural, or unallocated), consumption category, NAF code, and geographic region, where the geographic regions refer to IRIS zones. This dataset is released in compliance with regulations governing the protection of commercially sensitive information.

搜集汇总

数据集介绍

构建方式

该数据集源自法国官方开放数据平台data.gouv.fr，以IRIS地理网格为空间单元，整合了自2018年以来按NAF代码分类的年度天然气消费数据。数据构建遵循严格的商业敏感信息保护规则，将原始表格资源逐一映射为Hugging Face仓库中的子集与配置，每个子集对应一个独立的Parquet文件，并统一划分为名为'train'的数据分割，确保数据结构的清晰与标准化。

特点

数据集涵盖多维度信息，包括天然气消费量（以MWh计）、交付点数量、年份、行业部门（住宅、第三产业、工业、农业及未分类）、消费类别以及详细的NAF经济活动代码。其核心特色在于结合了精细的IRIS地理网格与经济活动分类，为区域能源消费分析提供了高分辨率的数据基础，同时兼容CSV与Parquet格式，兼顾可读性与存储效率。

使用方法

用户可通过Hugging Face的datasets库便捷加载数据，只需使用load_dataset函数并指定数据集标识符及子集名称（如'consommation-annuelle-de-gaz-par-iris-et-code-naf0'），即可获取包含完整数据的'train'分割。该数据集适用于能源规划、区域经济分析及排放建模等场景，支持直接进行按年份、行业或地理单元的聚合与可视化探索。

背景与挑战

背景概述

该数据集由法国数据开放平台data.gouv.fr于2023年发布，主要研究人员与机构为法国生态转型与国土凝聚力部，旨在呈现自2018年以来法国各地按IRIS（城市统计分区）和NAF（法国行业分类代码）划分的年度天然气消费量（以兆瓦时计）及交付点数。数据集覆盖居民、商业、工业、农业等多元行业，为能源政策制定与区域可持续发展研究提供了精细化的时空视角。其发布显著推动了法国能源消费数据的透明化进程，成为公共决策与学术研究的重要基础设施，对理解能源需求结构、优化资源配置及评估节能减排成效具有深远影响力。

当前挑战

该数据集所解决的领域核心挑战在于弥合宏观能源统计与微观消费行为之间的鸿沟，通过高空间分辨率（IRIS级别）与行业细粒度（NAF编码）的整合，突破了传统数据难以精准刻画地域与行业差异的局限。构建过程中面临的主要挑战包括：保护商业敏感信息（ICS）下的数据匿名化处理，确保发布符合法规要求；多源数据（如天然气供应商报告、行政分区与行业分类）的标准化整合与一致性校验；以及应对庞大数据量下Parquet格式的高效存储与Hugging Face平台的兼容性优化，保障数据可复现性。

常用场景

经典使用场景

该数据集以法国IRIS地理单元为空间粒度，整合了自2018年以来各行业的年度天然气消耗量（以兆瓦时计）与交付点数量，同时包含按NAF代码细分的经济活动类别。其核心使用场景在于为能源地理学与区域经济学研究提供高分辨率的时空数据基础，例如分析住宅、商业、工业及农业等不同部门的天然气需求差异，或追踪特定经济活动的能源足迹变化。

解决学术问题

该数据集有效解决了法国能源消费数据在微观地理尺度与行业维度上长期缺失的痛点，使研究者得以突破传统省级或全国性汇总数据的局限。它尤其助力于评估能源政策在地方层面的实施效果、探究产业结构调整对天然气需求的驱动机制，以及揭示能源不平等现象的空间分布。其重要意义在于为构建精细化的能源需求预测模型和制定精准的降碳策略提供了实证依据。

衍生相关工作

该数据集衍生了一系列聚焦于能源消费影响因素的前沿研究，例如结合气象数据探究气候变暖对冬季供暖用气量的冲击，或融合社会经济指标揭示收入水平与家庭天然气使用的关联。此外，基于该数据开发的机器学习模型被用于预测短期区域用气负荷，为智能电网的供需平衡提供支持。这些工作共同推动了能源地理学向数据驱动与精细化建模方向演进。