bajs-zagreb-raw

该数据集是Bajs Zagreb原始Nextbike快照，以压缩的每小时JSON Lines归档形式提供。数据来源于对Nextbike API（https://maps.nextbike.net/maps/nextbike-live.json?city=1172&domains=hd&list_cities=0&bikes=0）的定时轮询。每条记录包含UTC抓取时间、HTTP状态码、ETag、请求持续时间、响应主体的SHA-256哈希值、错误信息以及当API返回有效响应时的完整负载。HTTP 304（未修改）记录故意将负载设为null，用于证明收集器持续运行但源数据未变化。数据集适用于自行车共享系统的时间序列分析、API行为监控、缓存策略研究等场景。对于需要更小、可直接用于机器学习的Parquet格式数据，可参考Jakov/bajs-zagreb数据集。This dataset contains raw Nextbike snapshots for Bajs Zagreb, provided as compressed hourly JSON Lines archives. The data is sourced from scheduled polling of the Nextbike API at the endpoint https://maps.nextbike.net/maps/nextbike-live.json?city=1172&domains=hd&list_cities=0&bikes=0. Each record includes the UTC capture timestamp, HTTP status code, ETag, request duration, SHA-256 hash of the response body, error messages, and the full payload when the API returns a valid response. Records with HTTP 304 (Not Modified) intentionally set the payload to null, serving to verify that the collector remains operational while the source data has not changed. This dataset is applicable for use cases including time series analysis of bike-sharing systems, API behavior monitoring, and cache strategy research. For smaller Parquet-formatted data that is directly usable for machine learning, please refer to the Jakov/bajs-zagreb dataset.

原始信息汇总

数据集概述

• 数据集名称：Bajs Zagreb Raw Nextbike Snapshots
• 主要语言：克罗地亚语（hr）
• 标签：共享单车（bike-sharing）、时间序列（time-series）、原始数据（raw）

数据内容

• 数据集中包含了对Bajs Zagreb Nextbike数据源进行API轮询的压缩小时级JSON Lines存档。
• 每条记录包含以下字段：
  • UTC抓取时间
  • HTTP状态码
  • ETag
  • 请求持续时间
  • 响应体的SHA-256哈希
  • 错误信息
  • 当有响应时，包含完整的响应负载

特殊说明

• HTTP 304 状态码的记录负载为空（null），这表示采集器运行正常，但源数据未发生变化。
• 该数据集提供的是原始数据。如需用于机器学习的小型Parquet表格数据，请使用关联数据集：Jakov/bajs-zagreb。

数据来源

• 数据源地址： https://maps.nextbike.net/maps/nextbike-live.json?city=1172&domains=hd&list_cities=0&bikes=0

配置信息

• 配置名称：raw_snapshots
• 数据文件：位于raw/**/*.jsonl.gz路径下，分配至训练集（split: train）。

搜集汇总

数据集介绍

构建方式

在共享单车系统动态数据的采集与归档中，原始API轮询日志的完整性对后续分析至关重要。本数据集依托自动化采集装置，以小时为周期向萨格勒布Nextbike实时数据接口发起请求，并将每一回次交互的完整上下文序列化存储。具体而言，采集器记录协调世界时戳、HTTP状态码、ETag校验值、请求耗时、响应体SHA-256摘要及错误信息，并在响应有效时保存原始JSON负载。对于返回304状态码的请求，则保留空负载以标记数据未变更，从而在压缩的JSON Lines归档中忠实再现系统运行轨迹。

使用方法

研究人员可通过加载raw_snapshots配置下train分区的压缩JSON Lines文件，按行解析获取每次轮询的元数据与负载。针对有效响应，可直接提取共享单车实时状态信息用于轨迹分析或供需建模；对于304记录，则可结合ETag与时间戳识别数据更新点，评估采集覆盖率与接口稳定性。若需进行机器学习任务，建议先经由Jakov/bajs-zagreb数据集获取已预处理为Parquet格式的表格数据，本原始快照集则适宜用作审计、故障排查及采集策略优化的底层参考。

背景与挑战

背景概述

共享单车系统的动态运营数据对于理解城市交通流、优化车辆调度以及推动可持续出行研究具有关键意义。bajs-zagreb-raw数据集由研究者Jakov创建，聚焦于克罗地亚萨格勒布市的Nextbike共享单车系统。该数据集以小时级频率抓取Nextbike API的原始响应，完整记录了每次轮询的UTC时间、HTTP状态码、ETag、请求耗时、响应体哈希值及原始载荷，并提供了ML就绪的Parquet版本。作为面向时间序列分析与单车共享研究的公开资源，它填补了该地区细粒度运营数据缺失的空白，为交通建模、异常检测和API行为分析提供了可复现的数据基础。

当前挑战

该数据集所应对的领域问题在于共享单车系统原始API数据的稀疏性、异构性与不可复现性，制约了时间序列建模与运营态势感知的研究。构建过程中的核心挑战包括：持续小时级轮询需兼顾API限流与网络波动，确保长时间跨度的数据连续性；HTTP 304响应不携带载荷，需设计策略区分“无变化”与“采集失败”，避免数据缺口误判；原始JSON Lines压缩归档的解析与存储需在保留完整元数据（ETag、SHA-256、耗时）的同时，保障后续机器学习任务的可用性；此外，城市级API端点可能因源端调整而变更，需持续监控与维护数据管道。

常用场景

经典使用场景

在共享单车系统时空动态分析与城市交通研究中，该数据集通常被用于刻画出站点级车辆可用性的高频时序演化过程。研究者依托逐小时采集的原始API快照，提取各站点的可借车辆数与空闲桩位数，构建细粒度的时间序列，进而对供需匹配、潮汐现象与调度需求进行建模与预测。其原始JSON Lines格式保留了完整的响应负载与HTTP元数据，使研究者能够追溯数据采集过程中的网络状态与响应变化，从而在真实观测条件下验证时序模型的鲁棒性。

解决学术问题

针对共享单车研究中长期存在的数据获取不透明、采样频率参差以及缺失机制难以刻画等问题，该数据集提供了一套带有完整采集上下文的原始记录，使研究者能够明确区分真实零值与因HTTP 304响应而未更新的观测，从而有效缓解数据缺失所导致的估计偏差。它为出行需求预测、站点容量优化与调度策略评估等经典学术议题提供了可复现、可审计的经验基础，对提升城市交通研究的透明度与可验证性具有积极意义。

实际应用

在实际业务中，该数据集可服务于城市交通管理部门与共享单车运营企业，用于实时监控站点车辆存量、识别供需失衡区域并优化车辆再平衡调度。其包含的请求耗时、错误信息与响应体哈希等元数据，亦有助于运维团队诊断API采集链路异常、评估数据质量与构建容灾备份机制。基于该原始数据衍生的分析结果，可进一步支撑面向公众的站点可用性查询服务，以及面向规划部门的骑行需求空间分布评估。

数据集最近研究

最新研究方向

在共享单车系统时空动态分析与城市交通治理的研究浪潮中，bajs-zagreb-raw数据集以其原始、细粒度的API轮询快照为依托，正推动着面向数据采集完整性与可复现性的方法论革新。该数据集不仅记录了萨格勒布Nextbike系统逐小时HTTP交互的全貌，包括时间戳、状态码与响应体哈希，更通过保留304未修改状态与空载荷记录，为研究数据采集器行为模式、网络异常检测及ETag缓存机制对时间序列完整性的影响提供了稀缺素材。当前，基于该数据的探索集中于构建鲁棒的数据质量评估框架，以区分源端稳定期与数据缺失伪影，从而支撑下游机器学习任务对共享单车需求预测、站点再平衡策略的可靠性验证。这一方向与开放数据治理及智慧城市基础设施韧性评估的热点议题紧密交织，对于提升城市交通数据管道的透明度和科学可重复性具有深远意义。