Global EV Charging Stations (2025)

全球电动汽车充电站数据集：包含242,417个充电站点，覆盖121个国家，提供标准化列供直接使用。包含完整全球数据集、机器学习就绪文件、国家和世界汇总文件以及电动汽车型号配套文件。数据集整合了分散的电动汽车充电数据，提供单一、清洁、分析就绪的数据包，用于探索全球覆盖范围、端口和快速直流可用性。

Global Electric Vehicle Charging Station Dataset: This dataset contains 242,417 charging stations across 121 countries, with standardized columns available for direct utilization. It includes the complete global dataset, machine learning-ready files, national and global summary files, and supporting files tailored for electric vehicle models. This dataset integrates scattered electric vehicle charging data, providing a unified, clean, analysis-ready package for exploring global coverage, charging ports, and fast DC charging availability.

原始信息汇总

全球电动汽车充电站数据集（2025年）概述

数据集基本信息

• 数据集名称：Global EV Charging Stations (2025)
• 作者：Tarek Masryo
• 数据规模：242,417个充电站点，覆盖121个国家
• 许可证：
  • 充电数据（Open Charge Map）— CC BY 4.0
  • 配套文件ev_models_2025.csv — CC0

数据集文件组成

主要数据文件

• charging_stations_2025_world.csv：完整全球数据集（11列）
• charging_stations_2025_ml.csv：机器学习就绪简化版本（7列）
• country_summary_2025.csv：按国家汇总统计
• world_summary_2025.csv：全球汇总统计
• ev_models_2025.csv：电动汽车型号配套数据

数据字段说明

• id：OCM唯一站点标识符
• name：站点名称
• city：城市（可能为"UNKNOWN"）
• country_code：国家代码（ISO-2）
• state_province：州/省（可能为"UNKNOWN"）
• latitude, longitude：经纬度坐标（WGS84）
• ports：充电点数量
• power_kw：最大站点功率（kW）
• power_class：功率等级（基于power_kw阈值）
• is_fast_dc：是否为快速直流充电（功率≥50kW）

关键统计指标

• 快速直流充电站比例：约21%
• 每站点端口数：最小值1，中位数11，平均值35.2，最大值3,160
• 最大功率：最小值1.2kW，中位数22kW，平均值54.3kW，最大值2,500kW
• 站点数量前十国家：美国82,138、英国26,825、德国23,373、西班牙17,825、加拿大16,490、法国13,820、意大利10,354、荷兰8,091、瑞典4,953、挪威4,790

数据来源与处理

• 数据来源：Open Charge Map API（/v3/poi）
• 数据处理：去重、坐标验证、字段衍生、生成汇总统计

使用要求

• ** attribution**：必须注明"Contains data © Open Charge Map contributors."
• 配套文件：EV型号数据无需署名

应用场景

• 按国家或城市基准评估EV基础设施
• 绘制全球覆盖和快速直流充电可用性地图
• 使用ML就绪文件训练聚类或预测模型
• 构建仪表板和可视化
• 结合ev_models_2025.csv研究供需关系

搜集汇总

数据集介绍

构建方式

在电动汽车充电基础设施研究领域，数据整合的精确性至关重要。本数据集通过Open Charge Map API系统采集了全球121个国家的充电站点信息，经过严格的去重处理和地理坐标验证，剔除了无效数据点。通过功率阈值分析自动生成充电功率分类与直流快充标识，并构建了多层级统计摘要文件，形成标准化、可追溯的数据体系。

特点

作为覆盖全球24万余充电站点的权威数据集，其核心价值体现在多维度的结构化特征设计。数据集不仅包含地理坐标、充电端口数量等基础属性，更通过功率分级与直流快充标识展现技术特性。特别提供的机器学习专用版本经过维度精简与数据清洗，配套的国家级与全球级统计摘要文件，为不同粒度的研究需求提供精准支持。

使用方法

研究人员可通过标准数据加载工具直接读取CSV格式文件展开分析。利用内置的国家代码与功率分类字段，可快速实现区域基础设施对比和技术路线研究。机器学习专用文件支持聚类分析与需求预测等建模任务，结合配套的电动汽车型号数据集，能够深入探索充电设施与车辆技术的协同发展关系。可视化工具链的兼容性进一步拓展了地理空间展示与动态监测的应用场景。

背景与挑战

背景概述

随着全球电动汽车产业迅猛发展，充电基础设施的布局与优化成为支撑交通电气化转型的关键环节。Global EV Charging Stations (2025)数据集由研究者Tarek Masryo于2025年构建，整合了来自Open Charge Map等开放数据源的信息，覆盖121个国家、24万余个充电站点。该数据集通过标准化地理坐标、功率等级与快充标识等字段，致力于解决电动汽车充电网络空间分布不透明、数据碎片化等核心问题，为政策制定与市场分析提供跨区域可比的基础设施全景视图。

当前挑战

在电动汽车充电设施研究领域，传统数据存在来源分散、统计口径不一致等挑战，制约了全球充电网络效率评估与需求预测的精度。本数据集构建过程中，需克服多国数据采集时的坐标校验难题，处理缺失地理信息的记录，并通过功率阈值分类实现快充站点的自动化标识。此外，如何平衡数据规模与机器学习可用性，在保留关键特征的同时消除冗余信息，亦是数据清洗阶段面临的重要技术挑战。

常用场景

经典使用场景

在电动汽车基础设施研究领域，该数据集常被用于分析全球充电站的分布特征与覆盖密度。研究者通过地理空间数据与功率等级分类，系统评估不同区域的充电网络成熟度，尤其关注快速直流充电站在总容量中的占比，为跨国家、跨城市的基础设施对比提供标准化基准。

实际应用

实际应用中，城市规划部门借助该数据集优化充电站选址策略，能源企业通过功率分布数据调整电网负荷预测。商业机构则结合站点密度与车辆模型数据，在出行服务、房地产评估等领域开发增值应用，例如导航系统实时充电推荐和社区配套基础设施评级。

衍生相关工作

基于该数据集衍生的经典研究包括：采用机器学习方法预测区域充电需求峰值的时序模型，结合开放地图API开发的实时充电导航系统，以及通过聚类分析揭示的国家级基础设施发展模式比较研究。这些工作持续推动着智能交通与清洁能源领域的交叉创新。