Data-Gouv-FR/suivi-de-la-location-des-velos-mouvelo

这些数据旨在记录每年和每月租赁的自行车类型。可以设想这些数据可以集成到社区的内部网站中，以动态和统计的方式跟踪租赁情况，从而帮助识别用户需求。该数据集的发布是在与Sciences Po Saint-Germain-en-Laye学生进行数据挑战的背景下完成的。license: 其他 language: - 法语 tags: - 法国政府开放数据平台（data.gouv.fr） - 法国公共数据 - Parquet格式 - CSV格式 - 开放数据 pretty_name: "MOUVELO自行车租赁追踪" configs: - config_name: 模板-MOUVELO自行车租赁追踪 data_files: - split: 训练集 path: data/template-suivi-location-velos-mouvelo.parquet # MOUVELO自行车租赁追踪 ## 来源 - 官方来源：https://www.data.gouv.fr/datasets/suivi-de-la-location-des-velos-mouvelo - data.gouv.fr数据集标识符：`637f690259ba98ac07fbc42c` - data.gouv.fr的Slug标识：`suivi-de-la-location-des-velos-mouvelo` - data.gouv.fr元数据中标注的许可证：fr-lo ## Hugging Face数据集结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库； - 原始表格资源对应一个Hugging Face子数据集/配置； - 每个子数据集/配置均包含名为`train`的拆分。 ## 子数据集配置 - `模板-MOUVELO自行车租赁追踪` → `data/template-suivi-location-velos-mouvelo.parquet` ## 使用方法 python from datasets import load_dataset ds = load_dataset("Data-Gouv-FR/suivi-de-la-location-des-velos-mouvelo", "template-suivi-location-velos-mouvelo") print(ds["train"]) ## 数据集说明 本数据集旨在按年度和月度统计各类自行车的租赁情况。 可将此类数据集成至地方公共机构的内部网站，以动态且具备统计维度的方式追踪租赁业务，同时助力识别用户需求。 本数据集的发布是与巴黎政治学院圣日耳曼昂莱分校的学生共同参与数据挑战赛的成果。

搜集汇总

数据集介绍

构建方式

该数据集旨在追踪MOUVELO共享单车系统中不同车型的租赁情况，按年份和月份进行统计。其来源为法国公共数据平台data.gouv.fr上发布的官方数据集，HuggingFace页面仅作为参照索引，实际数据存储于外部链接。构建背景源于一项与圣日耳曼昂莱政治学院学生合作的数据挑战项目，旨在推动公共数据的开放利用。

特点

数据集的核心特点在于聚焦于软性出行方式中的自行车租赁细分领域，采用时间维度（年/月）与车辆类型双轴分类方式，便于进行动态化与统计分析。其开放许可协议（Licence Ouverte / Open Licence）确保了数据的可复用性，适用于公共政策评估与城市交通规划研究。

使用方法

用户可通过data.gouv.fr平台访问原始数据集，获取完整的租赁记录。该数据可集成至地方政府的内部管理系统，用于动态追踪租赁趋势并识别用户需求。分析过程中可结合时间序列方法，按车型或时段对出行模式进行建模，从而为城市慢行交通改善提供数据支撑。

背景与挑战

背景概述

该数据集创建于2022年，由法国圣日耳曼昂莱政治学院的学生在数据挑战赛框架下发布，主要研究人员或机构为该校师生团队，核心研究问题聚焦于追踪MOUVELO共享单车系统中不同类型单车的租赁情况，以年度和月度为单位记录数据。该数据集对城市交通领域的微出行研究具有推动作用，尤其为地方政府分析居民出行偏好、优化慢行交通资源配置提供了基础。其发布在法国开放数据平台data.gouv.fr上，遵循开放式许可证，体现了公共数据在学术与政策结合中的价值。

当前挑战

所解决的领域问题包括：共享单车系统运营管理中缺乏细粒度租赁类型数据，难以精准识别用户对不同车型（如传统自行车或电动自行车）的需求差异，从而影响车辆采购与投放决策。构建过程中面临的挑战有：数据来源于单一公共平台且仅由学生团队在竞赛中初步整理，缺乏持续更新的机制与质量保障；Hugging Face上的数据集为空白引用页面，实际数据需跳转至外部源访问，增加了数据整合与复用的复杂性；此外，原始数据未描述采集方法或样本量，可能导致统计分析的代表性不足。

常用场景

经典使用场景

该数据集聚焦于法国MOUVELO共享单车系统租赁行为的年度与月度记录，通过解析不同车型的租赁频次，为城市慢行交通研究提供了基础数据支撑。经典使用场景包括动态追踪租赁趋势、识别季节性需求波动，以及评估单车类型偏好对调度策略的影响。研究者可借此构建时序模型，预测特定时段的热门车型与区域租赁热度，从而优化车辆分布与维护计划。

解决学术问题

该数据集主要解决了共享交通系统中租赁行为模式量化分析的难题。在学术层面，它助益于揭示用户选择偏好与时空分布的内在规律，为交通需求预测、资源分配优化及可持续出行政策评估提供实证基础。其意义在于推动从粗放式运营向数据驱动型治理的转型，尤其对中小城市公共交通与慢行衔接系统的精细化研究具有示范价值。

衍生相关工作

该数据集衍生的相关工作主要集中于时序预测与城市计算交叉领域。例如，基于租赁流量构建注意力机制的LSTM模型，或结合气象与节假日特征的多模态回归框架。此外，部分研究将其作为参照基准，对比不同城市共享单车的使用异同，或分析价格补贴对租赁频次的影响，从而拓展了低成本出行行为研究的边界。