Data-Gouv-FR/api-temps-reel-tisseo-real-time-tisseo-api

该数据集基于TISSEO实时API版本2.1，提供动态数据查询服务。API功能包括：实时站点时刻表（horaires à un ou plusieurs arrêts en temps réel）、路线计算（calcul d’itinéraire）、地点搜索（recherche de lieux）、线路列表（含干扰信息）、可用运输模式列表、站点区域列表、站点柱列表、网络信息消息列表以及可用运输网络列表。自2022年4月17日起，版本1的API已不再可用。数据集以parquet格式存储，可通过Hugging Face的datasets库加载使用。The dataset is based on the TISSEO Real Time API version 2.1, which allows dynamic data querying. It offers services such as: stops_schedules (real-time schedules for one or multiple stops), journeys (route calculation), places (location search), lines (list of lines and their disruptions), rolling_stocks (list of available transport modes on the network), stop_areas (list of stop areas), stop_points (list of stop points), messages (list of network information messages), and networks (list of available transport networks). As of April 17, 2022, version 1 of the API is no longer available. The dataset is stored in parquet format and can be loaded using the Hugging Face datasets library.

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，其核心为TISSEO实时API所提供的数据资源。构建过程遵循系统化映射原则：每一个原始的数据集对应HuggingFace平台上的一个独立仓库，而每一份原始的表格化资源则被转化为该仓库中的一个子集配置。每个子集配置下均包含一个名为'train'的数据分割，所有数据均以高效的Parquet格式存储，文件路径为data/api-temps-reel-tisseo.parquet，确保结构简洁且便于处理。

特点

该数据集具备多重鲜明特色。其一，它紧密耦合于TISSEO交通网络的实时动态，涵盖从实时时刻表查询到线路、站点、运输模式乃至网络信息等多维度服务数据，具有极高的时效性与实用性。其二，数据集严格遵守开放数据规范，采用ODC-ODBL许可协议，并由法国官方数据门户背书，确保了数据的权威性与可追溯性。其三，通过清晰的子集配置与统一的数据分割，该数据集在HuggingFace框架下实现了标准化存取，降低了二次开发的复杂度。

使用方法

使用者可通过HuggingFace的datasets库便捷加载该数据。具体而言，只需调用load_dataset函数，并指定仓库名称'Data-Gouv-ML/api-temps-reel-tisseo-real-time-tisseo-api'及子集配置名称'api-temps-reel-tisseo'，即可获得一个包含'train'分割的Dataset对象。例如，执行ds = load_dataset("Data-Gouv-ML/api-temps-reel-tisseo-real-time-tisseo-api", "api-temps-reel-tisseo")后，可以对ds["train"]进行后续分析与建模操作。该接口设计极大地简化了从原始开放数据到机器学习流水线的衔接流程。

背景与挑战

背景概述

该数据集源自法国图卢兹公共交通运营商Tisséo的实时API（版本2.1），由Data.Gouv.fr平台于2016年首次发布，旨在为公众和研究人员提供开放、动态的公共交通数据。核心研究问题聚焦于利用实时交通信息优化出行规划与城市流动性分析，涵盖线路时刻、行程计算、站点查询等九项服务。作为法国开放数据运动的重要成果，该数据集对智能交通系统研究、城市计算及移动性预测领域产生了显著影响，尤其推动了基于实时数据的交通模型验证与算法开发。

当前挑战

领域挑战在于实时公共交通数据的高动态性与异构性，如何有效整合多源异构服务（如时刻表、线路变更、事故信息）并实现低延迟响应是核心难题。构建过程中需应对API版本迭代（如1.0版于2022年停用）导致的数据连续性断裂，以及跨语言（法语）元数据处理的复杂性。此外，数据许可采用ODC-ODbL协议，需平衡开放共享与隐私保护，同时解决原始数据中缺失值、重复记录等质量问题，确保大规模训练数据集的可信度与可用性。

常用场景

经典使用场景

在智慧城市与公共交通研究领域，TISSEO实时API数据集为分析多模式交通网络的动态行为提供了宝贵资源。其经典使用场景聚焦于公交、地铁等公共交通系统的实时时刻表查询与线路状态监控，通过调用stops_schedules、lines及messages等接口，研究者能够捕捉到客流波动、车辆延误及突发事件对网络的影响，从而构建高精度的交通流预测模型。这一数据集特别适合用于评估实时调度策略的鲁棒性，以及探索乘客出行行为的时空演化规律。

衍生相关工作

围绕TISSEO数据集已衍生出一系列代表性研究工作。在机器学习领域，研究者利用其时间序列特性开发了基于注意力机制的公交到达时间预测模型；在图神经网络方面，stop_points与lines构成的网络拓扑被用于学习交通流动态嵌入，进而提升换乘推荐精度。此外，结合messages中的事件日志，学者们构建了多模态扰动传播仿真框架，成果发表于Transportation Research Part C与IEEE Transactions on Intelligent Transportation Systems等权威期刊，凸显了该数据集在推动交通智能决策算法演化中的核心作用。

数据集最近研究

最新研究方向

该数据集聚焦于法国图卢兹公共交通系统（TISSEO）的实时API数据，涵盖时刻表、路线规划、站点信息、线路及交通扰动等多元动态数据。近期研究前沿集中在利用这些高时效性开放数据，推动智慧城市交通的数字孪生与实时预测建模。例如，通过机器学习对stop_schedules数据进行短时客流预测，优化公交调度与运力分配；结合journeys与messages数据构建多模式出行推荐系统，以提升用户体验并缓解城市拥堵。此外，基于rolling_stocks与lines数据，可分析交通网络韧性，识别扰动事件下的替代路径。该数据集在2022年API版本升级后，增强了数据实时性与完整性，为移动即服务（MaaS）平台开发、城市交通碳排放模型校准及公共交通政策评估提供了关键支撑，体现了法国开放数据运动在公共交通领域的深度应用。