城市規模交通流量、行程時間與城市環境資料集
arXiv - Computers and SocietyRiccardo Cappi, Massimiliano Luca, Pietro Fontolan, Nicol\`o Navarin, Bruno Lepri, Alessandro Sperduti
提供結合交通量、行程時間與城市背景的多源資料集，並以 Python 介面呈現時空圖，驗證其能捕捉典型交通模式。
AI 幫你先抓重點
AI 重點 1
多源城市背景資料與交通流量的結合，為 AI 交通預測與城市規劃提供更完整的資料基礎。
滑鼠懸停看 AI 判斷理由
此洞察說明將 POI、人口、氣象等異質資料融合，可提升模型的預測精度與適應性，對於開發自適應交通管理系統與研究資料融合技術至關重要。
AI 重點 2
提供的 Python API 讓使用者能即時載入時空圖，降低資料前處理門檻。
滑鼠懸停看 AI 判斷理由
透過即時可用的介面，研究者與實務工作者可快速進行機器學習實驗與模型驗證，促進 AI 在交通領域的快速應用與教學實踐。
核心研究發現
- 1
資料集涵蓋 2026 年 2 月至 4 月，包含 10 分鐘間隔的交通量時間序列及基於軌跡的流量統計、轉移機率矩陣、平均行程時間與流量殘差。
- 2
整合 POI、人口統計、氣象變數與道路基礎設施資訊，並以 Python 類別提供時空圖表示，使用者可直接存取。
- 3
驗證分析證實資料集能捕捉典型交通模式，如上下班高峰與工作日與週末的交通差異。
對教育工作者的啟發
此資料集可直接用於建立機器學習模型預測路段行程時間，亦能校正交通模擬器參數，並結合 POI、人口與氣象資訊，協助城市規劃師制定更精準的交通疏導與公共運輸路線。開發者可透過提供的 Python API 迅速載入時空圖，進行實驗與模型驗證，降低資料前處理成本。
原始文獻資訊
- 英文標題：
- A City-Scale Dataset of Traffic Flows, Travel Times, and Urban Context
- 作者：
- Riccardo Cappi, Massimiliano Luca, Pietro Fontolan, Nicol\`o Navarin, Bruno Lepri, Alessandro Sperduti
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。