Global EV Charging Stations Dataset

全球电动汽车充电站数据集，包含242,417个站点，覆盖121个国家，提供11个清洁列数据。包括站点ID、名称、城市、国家代码、经纬度坐标、端口数量、功率(kW)、功率分类和快速直流标识等信息。

This is the Global Electric Vehicle Charging Station Dataset, which contains 242,417 charging stations spanning 121 countries and provides 11 clean data columns. The dataset includes information such as Station ID, Station Name, City, Country Code, Latitude and Longitude Coordinates, Number of Ports, Power (kW), Power Classification, and Fast DC Charging Identifier.

原始信息汇总

全球电动汽车充电站数据集（2025）概述

数据集基本信息

• 作者：Tarek Masryo
• 版本：v1.0（2025-09-01）
• 许可证：
  • 充电数据（Open Charge Map）— CC BY 4.0
  • 配套文件 ev_models_2025.csv — CC0

数据集内容

• 主要文件：charging_stations_2025_world.csv（每个站点一行）
• 数据规模：242,417个站点，覆盖121个国家
• 数据列（11列）：
  • id（整数）：OCM唯一站点ID
  • name（字符串）：站点名称
  • city（字符串）：城市
  • country_code（ISO-2）：国家代码
  • state_province（字符串）：州/省
  • latitude、longitude（浮点数，WGS84）：经纬度坐标
  • ports（整数）：站点充电点数量
  • power_kw（浮点数）：连接器中的最大功率（kW）
  • power_class（字符串）：根据power_kw阈值推导得出
  • is_fast_dc（布尔值）：如果power_kw ≥ 50则为true

辅助文件

• country_summary_2025.csv：按国家统计的数量和最大功率
• world_summary_2025.csv：全球汇总数据

配套文件

• ev_models_2025.csv：电动汽车型号记录（用于上下文和可连接分析）

数据来源与处理

• 通过Open Charge Map API获取各国站点数据
• 按id去重，删除无坐标的行
• 推导power_class和is_fast_dc列
• 生成国家和全球覆盖范围的摘要
• 数据清理：添加纳米比亚（NA），移除圣卢西亚（LC），最终覆盖121个国家

使用要求

• 充电数据：必须注明"Contains data © Open Charge Map contributors."
• EV型号文件：无需署名（CC0许可证）

搜集汇总

数据集介绍

构建方式

在电动汽车充电基础设施领域，数据整合的复杂性要求构建过程具备高度精确性。本数据集通过Open Charge Map API采集全球各国充电站点数据，经过严格的去重处理确保每个站点ID唯一性，并剔除缺乏地理坐标的无效记录。基于充电功率数值衍生出功率分类与直流快充标识，最终生成国家及全球层级的统计摘要，覆盖121个国家的标准化数据。

使用方法

研究人员可通过pandas等工具直接加载CSV文件进行空间分布与设施配置分析。利用国家代码字段可实现跨国比较研究，功率分类与直流快充标识支持充电技术演进趋势分析。配套的摘要文件快速生成区域统计报表，而地理坐标数据则便于与GIS系统集成进行空间可视化建模。

背景与挑战

背景概述

随着全球电动汽车产业的蓬勃发展，充电基础设施的布局与优化成为推动交通电气化转型的关键环节。Global EV Charging Stations Dataset由研究者Tarek Masryo于2025年创建，基于Open Charge Map开源数据构建，覆盖全球121个国家、逾24万座充电站的空间分布与技术参数。该数据集通过标准化处理充电功率、端口数量及直流快充标识等核心字段，为交通能源规划、充电网络效率评估及电动汽车用户行为研究提供了高质量的基础数据支撑，显著促进了低碳交通领域的实证研究与政策制定。

当前挑战

电动汽车充电设施数据集需应对多维度挑战：在领域层面，充电站空间分布不均衡、功率标准异构以及快充设施覆盖率不足等问题制约了充电网络的整体效能；数据构建过程中，原始数据来源分散且质量参差，需通过API集成多国数据并处理坐标缺失与重复记录，同时功率分类阈值设定需兼顾国际标准与实际应用场景，以保证衍生字段的科学性与可比性。

常用场景

经典使用场景

在电动汽车基础设施研究领域，该数据集为全球充电站空间分布分析提供了标准化数据基础。研究者通过地理信息系统可视化技术，能够精确识别充电设施的聚集区域与空白地带，结合功率等级分类数据，可深入探讨不同地区充电服务能力的差异性与演进规律。

解决学术问题

该数据集有效解决了电动汽车普及研究中基础设施评估标准不统一的核心难题。通过提供包含功率等级、快充标识等标准化字段的全球统一数据，支持学者开展跨区域充电网络覆盖均衡性研究、充电需求预测建模以及充电设施布局优化算法的验证工作，为可持续交通政策制定提供量化依据。

实际应用

城市规划部门借助该数据集进行充电基础设施缺口分析，指导新建站点的科学选址。电动汽车制造商通过聚合国家层面的功率分布数据，针对性开发适配不同市场需求的充电技术。导航服务平台集成实时充电站数据，为用户提供精准的充电桩可用性查询与路线规划服务。

数据集最近研究

最新研究方向

随着全球电动汽车普及率持续攀升，充电基础设施的时空分布与效能优化成为智慧交通领域的研究热点。该数据集通过整合121个国家24万余个充电站的标准化数据，为充电网络布局优化、区域供需匹配分析及高功率直流快充技术扩散研究提供了关键支撑。当前研究重点聚焦于基于地理空间大数据的充电需求预测模型构建、充电站服务半径与覆盖效率评估，以及不同气候条件下充电设施可靠性分析，这些研究方向直接关系到碳中和目标下交通能源系统的转型效能。