libcity笔记：支持的数据

发布于：2024-05-07 ⋅ 阅读:(32) ⋅ 点赞:(0)

数据下载地址：Standard Dataset in LibCity - Google 云端硬盘

1 交通速度数据

数据名称	地点	时间	出处	描述
METR_LA	美国洛杉矶	Mar. 1, 2012 ~ Jun. 27, 2012	GitHub - liyaguang/DCRNN: Implementation of Diffusion Convolutional Recurrent Neural Network in Tensorflow	由环路探测器在高速公路上收集，包含来自 207 个传感器的交通速度数据
LOS_LOOP	美国洛杉矶	Mar. 1, 2012 ~ Jun. 27, 2012	https://github.com/lehaifeng/T-GCN/tree/master/data	与METR LA略有不同，缺失值通过线性插值得到补充
PEMS	美国加州	2001 ~ present	http://pems.dot.ca.gov	记录加利福尼亚高速公路的速度数据，包括时间小时，平均时间，车道点
PEMSD3	美国加州3区	Sept. 1, 2018 ~ Nov. 30, 2018	GitHub - Davidham3/STSGCN: AAAI 2020. Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Network Data Forecasting	PeMSD3 数据集包括 358 个传感器和流量信息
PEMSD4	美国加州湾区	Jan. 1, 2018 ~ Feb. 28, 2018	ASTGCN-2019-mxnet/data/PEMS04 at master · Davidham3/ASTGCN-2019-mxnet · GitHub	包含29条道路上的3848个传感器
PEMS_BAY	美国加州湾区	Jan. 1, 2017 ~ Jun. 30, 2017	GitHub - liyaguang/DCRNN: Implementation of Diffusion Convolutional Recurrent Neural Network in Tensorflow	包含6个月的交通速度统计数据，包括325个传感器
PEMSD7	美国加州7区	Jul. 1, 2016 ~ Aug. 31, 2016	GitHub - Davidham3/STSGCN: AAAI 2020. Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Network Data Forecasting	包含883个传感器站的交通流量信息
PEMSD7(M)	美国加州7区	the weekdays of May and June of 2012	STGCN/datasets at master · Davidham3/STGCN · GitHub	述了加州第7区228个站点的高速公路速度信息
PEMSD8	美国加州San Bernardino	Jul. 1, 2016 ~ Aug. 31, 2016	ASTGCN-2019-mxnet/data/PEMS08 at master · Davidham3/ASTGCN-2019-mxnet · GitHub	数据来自8条公路上的1979个传感器
LOOP_SEATTLE	美国西雅图	2015 全年	https://github.com/zhiyongc/Seattle-Loop-Data	由部署在西雅图地区高速公路(I-5、I-405、I-90和SR-520)上的感应环路探测器收集，包含来自323个传感器站的交通状态数据
Q_TRAFFIC	中国北京	Apr. 1, 2017 ~ May 31, 2017	GitHub - JingqingZ/BaiduTraffic: This repo includes introduction, code and dataset of our paper Deep Sequence Learning with Auxiliary Information for Traffic Prediction (KDD 2018).	Q-Traffic 数据集包含三个子数据集：查询子数据集、交通速度子数据集和路网子数据集
SZ_TAXI	中国深圳	Jan. 1, 2015 ~ Jan. 31, 2015	https://github.com/lehaifeng/T-GCN/tree/master/data	包含深圳市的出租车轨迹，包括道路邻接矩阵和道路交通速度信息
M_DENSE	西班牙马德里	Jan. 1, 2018 - Dec. 21, 2019	GitHub - rdemedrano/crann_traffic: A Spatio-Temporal Spot-Forecasting Framework for Urban Traffic Prediction	包含马德里市交通测量的历史数据。在每个点每 15 分钟进行一次测量，包括每小时汽车数量的交通强度
ROTTERDAM	荷兰鹿特丹	135 days of 2018	https://github.com/RomainLITUD/DGCN_traffic_forecasting	包含 208 条链路的交通状态信息

2 地铁数据（偏OD）

数据名称	地点	时间	出处	描述
SHMETRO	中国上海	Jul. 1, 2016 - Sept. 30, 2016	GitHub - ivechan/PVCGN: code for "Physical-Virtual Collaboration Graph Network for Station-Level Metro Ridership Prediction"	基于中国上海的地铁系统构建的。 2016年7月1日至2016年9月30日，共收集8.118亿笔交易记录，日客流量882万人次
BEIJING_SUBWAY	中国北京	Feb. 29, 2016 - Apr. 3, 2016	GitHub - JinleiZhangBJTU/ResNet-LSTM-GCN: Code for Deep-learning Architecture for Short-term Passenger Flow Forecasting in Urban Rail Transit	连续五周的05:00-23:00从北京地铁采集的数据。截至2016年3月北京共有17条线路和276个地铁站（不包括机场快线及其上的车站）
HZMETRO	中国杭州	Jan. 1, 2019 - Jan. 25, 2019	GitHub - ivechan/PVCGN: code for "Physical-Virtual Collaboration Graph Network for Station-Level Metro Ridership Prediction"	根据 2019 年 1 月收集的杭州地铁系统交易记录创建的。该系统拥有 80 个运营站点和 248 个边，每天有 235 万乘客
NYCTAXI_DYNA	美国纽约			用不规则区域划分方法统计区域流入流出的数据集源自下面的NYCTAXI
NYCTAXI_OD	美国纽约			它使用不规则区域划分方法计算区域之间的起点-终点流量源自下面的NYCTAXI
NYCTAXI_GRID	美国纽约			用基于网格的划分方法计算区域的流入和流出源自下面的NYCTAXI
NYC_TOD	美国纽约	2014	GitHub - liulingbo918/CSTN: Taxi Origin-Destination Demand Prediction	使用基于网格的划分方法计算区域的流入和流出

3 轨迹数据

数据名称	地点	时间	出处	描述
TAXIBJ	中国北京	Jul. 1, 2013 ~ Oct. 30, 2013, Mar. 1, 2014 ~ Jun. 30, 2014, Mar. 1, 2015 ~ Jun. 30, 2015 Nov. 1, 2015 ~ Apr. 10, 2016	数据地址失效 · Issue #3 · TolicWang/DeepST · GitHub	包含出租车 GPS 数据，包括人流、气象和节假日信息
T_DRIVE	中国北京	Feb. 2, 2008 ~ Feb. 8, 2008	T-Drive trajectory data sample - Microsoft Research	包含10357辆北京出租车的每周轨迹约1500万个点，轨迹总距离达到900万公里
PORTO	葡萄牙波尔图	Jul. 1, 2013 ~ Jun. 30, 2014	https://archive.ics.uci.edu/ml/datasets/Taxi+Service+Trajectory+-+Prediction+Challenge%2C+ECML+PKDD+2015	描述了在葡萄牙波尔图市运行的所有 442 辆出租车所执行的轨迹
NYCTAXI	美国纽约	2009 ~ present	TLC Trip Record Data - TLC	包含 GPS 为纽约市从 2009 年到 2020 年收集的不同类型出租车的轨迹
NYCBIKE	美国纽约	Jun. 2013 ~ present	Citi Bike System Data \| Citi Bike NYC	包含从 NYC CitiBike 系统收集的自行车轨迹
AUSTINRIDE	美国奥斯汀	Jun. 4, 2016 ~ Apr. 13, 2017	Ride-Austin-june6-april13 - dataset by ride-austin \| data.world	包含从 2016 年 8 月 1 日到 2017 年 4 月 13 日的奥斯汀骑行轨迹，包括超过 140 万次旅行
BIKEDC	美国华盛顿	Sept. 20, 2010 ~ Oct. 2020	System Data \| Capital Bikeshare	描述了华盛顿自行车系统的自行车道，其中包括 472 个停靠点
BIKECHI	美国芝加哥	Jun. 27, 2013 ~ 2018	Divvy Data	展示了 2013 年至 2018 年芝加哥共享单车的发展情况
Foursquare	东京、美国	Apr. 12, 2012 ~ Feb. 16, 2013	https://sites.google.com/site/yangdingqi/home/foursquare-dataset#h.p_ID_46	Foursquare 是一个基于位置的社交网站，用户可以在其中通过签到来分享他们的位置。使用链接中的第二个数据集，即 NYC and Tokyo Check-in Dataset 。对链接提供的原始数据进行了预处理，并将其拆分为 Foursquare-TKY 和 Foursquare-NYC
Gowalla		Feb. 2009 ~ Oct. 2010	SNAP: Network datasets: Gowalla	Gowalla 是一个基于位置的社交网站，用户通过签到分享他们的位置，包含用户信息、用户签到时间、用户纬度、经度、用户位置ID
Brightkite		Apr. 2008 ~ Oct. 2010	SNAP: Network datasets: Brightkite	Brightkite 是一个基于位置的社交网站，用户通过签到分享他们的位置，包含用户信息、用户签到时间、用户纬度、经度、用户位置ID
Instagram	美国纽约	Jun. 15, 2011 - Nov. 8, 2016	DMIS Lab, Korea University - CAPE	该数据集最大的特点是每条签到记录不仅包含POI信息，还包含用户创建签到记录时写入的文本信息。因此，该数据集对于将轨迹语义特征纳入轨迹预测的相关研究尤为重要。
Chengdu_Taxi_Sample1	中国成都	Aug. 03, 2014 - Aug. 30, 2014	https://github.com/UrbComp/DeepTTE/tree/master/data	Chengdu_Taxi_Sample1 数据集是Chengdu_Taxi 数据集的部分样例数据集。包含1800条成都市出租车轨迹数据。
Beijing_Taxi_Sample	中国北京	Oct. 01, 2013 - Oct. 31, 2013	https://github.com/YibinShen/TTPNet/tree/master/data	Beijing_Taxi_Sample 数据集是Beijing_Taxi 数据集的部分样例数据集，这里每一天只提供了1000条北京市出租车轨迹数据

4 地图匹配

数据名称	地点	时间	出处	描述
Seattle	美国西雅图	Jan. 17,2009 20:27:37~22:34:28	https://www.microsoft.com/en-us/research/publication/hidden-markov-map-matching-noise-sparseness/	这个用于地图匹配的数据集显示了在美国华盛顿州西雅图及其东部郊区开车时拍摄的GPS数据。轨迹从Marymoor公园附近开始。数据是用RoyalTek RBT-2300 GPS记录器以1HZ的频率采样的。这次驾驶发生在2009年1月17日星期六，从20:27:37 UTC（当地时间12:27:37）开始，到22:34:28 UTC（当地时间14:34:28）结束，经过的时间为02:06:51。
Global			Dataset for testing and training map-matching methods	这个用于地图匹配的数据集可以在世界范围内验证地图匹配的假设。由于这个数据集覆盖全球，可以提高泛化能力
BJ_ROADMAP	中国北京			原始数据集包含 OpenStreetMap 格式的节点和边的属性。建图有两种实现方式，分别是节点为交叉点，关系为路段，以及节点为路段，关系为交叉点。分别命名为 “bj_roadmap_node” 和 “bj_roadmap_edge”。

5 风险数据

数据名称	地点	时间	出处	描述
NYC_RISK	美国纽约	Jan.01,2013 ~ Dec.31,2013	GitHub - Echohhhhhh/GSNet: AAAI 2021. GSNet: Learning Spatial-Temporal Correlations from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting	NYC_RISK 数据集包含了2013年纽约道路、风险和POI数据
CHICAGO_RISK	美国芝加哥	Feb.01,2016 ~ Sep.30,2016	GitHub - Echohhhhhh/GSNet: AAAI 2021. GSNet: Learning Spatial-Temporal Correlations from Geographical and Semantic Aspects for Traffic Accident Risk Forecasting	2016年1月到9月芝加哥道路和风险数据