five

GeoPostcodes Geospatial Data | Address Data Enrichment | International Address data | Address data for Enterprise use | 24 M addresses | Geocoded|地理空间数据数据集|地址数据丰富数据集

收藏
Datarade2024-05-21 收录
地理空间数据
地址数据丰富
下载链接:
https://datarade.ai/data-products/geopostcodes-geospatial-data-address-data-enrichment-inte-geopostcodes
下载链接
链接失效反馈
资源简介:
A comprehensive self-hosted geospatial database of international address data, including street names, coordinates, and address data ranges for Enterprise use. The address data are georeferenced with industry-standard WGS84 coordinates (geocoding). All address data are provided in the official local languages of the country. Names and other data in non-Roman languages are also made available in English through translations and transliterations. Use cases for the Global Address Database (Geospatial data/Map Data) - Address Data Enrichment - Address capture and validation - Parcel and last-mile delivery - Master Data Management - Logistics and Supply Chain Management - Sales and Marketing Product Features - Fully and accurately geocoded - Multi-language support - Address ranges for streets covered by several zip codes - Comprehensive city definitions across countries - Administrative areas with a level range of 0-4 - International Address Formats For additional insights, you can combine the map data with: - UNLOCODE and IATA codes (geocoded) - Time zones and Daylight Saving Time (DST) Data export methodology Our address data enrichment packages are offered in variable formats, including .csv. All international address data are optimized for seamless integration with popular systems like Esri ArcGIS, Snowflake, QGIS, and more. Why do companies choose our location databases - Enterprise-grade service - Reduce integration time and cost by 30% - Weekly updates for the highest quality - Map data for 247 countries Note: Custom international address data packages are available. Please submit a request via the above contact button for more details.
提供机构:
GeoPostcodes
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

中国气象数据

本数据集包含了中国2023年1月至11月的气象数据,包括日照时间、降雨量、温度、风速等关键数据。通过这些数据,可以深入了解气象现象对不同地区的影响,并通过可视化工具揭示中国的气温分布、降水情况、风速趋势等。

github 收录

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录

Subway Dataset

该数据集包含了全球多个城市的地铁系统数据,包括车站信息、线路图、列车时刻表、乘客流量等。数据集旨在帮助研究人员和开发者分析和模拟城市交通系统,优化地铁运营和乘客体验。

www.kaggle.com 收录

中国逐日降水数据集(1961-2022,0.1°/0.25°/0.5°)

CHM_PRE数据集基于中国境内及周边1961至今共2839个站点的日降水观测,在传统的“降水背景场 + 降水比值场”的数据集构建思路上,尝试应用月值降水约束和地形特征校正,并依据中国范围内约4万个高密度站点2015–2019年的日降水量插值后数据进行精度评价。经评估认为,CHM_PRE可以较好的表征降水的空间变异性,其日值时间序列与高密度站点日值降水观测结果之间的相关系数中位数为0.78,均方根误差中位数为8.8 mm/d,KGE值中位数为0.69,与目前常用的降水数据集(CGDPA、CN05.1、CMA V2.0)有很好的一致性。 数据集的时间范围为1961年至今,空间分辨率为0.1°、0.25°和0.5°,经纬度范围为18°N–54°N, 72°E–136°E。

国家青藏高原科学数据中心 收录

糖尿病预测数据集

糖尿病相关的医学研究或者健康数据

AI_Studio 收录