NRH Dataset 2016

做交通预测模型，没有数据集怎么行？写论文一共才 6 个月，3 个月蹿数据集怎么行？

现在就使用 NRH Dataset 2016， 它是刚刚发布的一个智能交通领域的数据集！

本数据集 NRH Dataset 2016, 是 NYCZ RideHailings Dataset 2016 的缩写，可用于训练城市交通预测的机器学习模型，比如某个小时内，某个区域的出租车上车人数和下车人数，比如使用 ST-GCN, ST-MGCN 等算法。 本数据集，是根据[1] Taxi 数据集 2016 整理制作的：1）清洗模糊数据；2）增加 POI 信息；3）增加天气信息；4）按区域和时间重新计算数据，更方便进入算法训练。 数据集官方站点

• GitHub | Gitee

数据集内容

解压：

.
├── LICENSE
├── nrh_ntas_spatial_adj_1_slim.csv
├── nrh_nta_taxi_test_nyc_2016.csv
├── nrh_nta_taxi_train_nyc_2016.csv
├── nyc_ntas_codes_20260519.csv
└── README.txt

0 directories, 6 files

数据文件

训练集： nrh_nta_taxi_train_nyc_2016.csv （582，461 条）
测试集： nrh_nta_taxi_test_nyc_2016.csv （64，726 条）

辅助文件

区域邻接矩阵： nrh_ntas_spatial_adj_1_slim.csv
区域信息文件： nyc_ntas_codes_20260519.csv

数据格式及示例

基本数据：

key	comment
nta_id	区域唯一标识，更多区域的信息，对应到文件 nyc_ntas_codes_20260519.csv，比如区域名称，区域面积（Shape_Area 平方米），区域周长（Shape_Length 米）等
ev_dt_hr	统计时间段，比如 2016-01-01 00 代表从 2016-01-01 00:00:00 ~ 2016-01-01 00:59:59 的观察时间段
ev_taxi_park_type	统计时间段内的观察事件，pickup 代表出租车上车事件，dropoff 代表出租车下车时间
ev_count	事件发生次数，比如上车或下车的次数
poi_ 开头的	poi_ 开头的是该区域内的 POI 数据， poi_education(教育)，poi_healthcare（医疗），poi_natural(自然景观)，poi_office(办公楼)，poi_public_transport（公共交通），poi_shop（购物中心），poi_tourism（旅游景点）
wf_ 开头的	天气信息，wf_rain(是否下雨)，wf_hum(湿度)，wf_fog（起雾），具体见下文（天气信息的详细介绍）

样例：

nta_id,ev_dt_hr,ev_taxi_park_type,boro_code,boro_name,ct2010,ev_count,nta_code,nta_name,poi_education,poi_healthcare,poi_natural,poi_office,poi_public_transport,poi_shop,poi_tourism,wf_conds,wf_dewpti,wf_dewptm,wf_fog,wf_hail,wf_heatindexi,wf_heatindexm,wf_hum,wf_icon,wf_precipi,wf_precipm,wf_pressurei,wf_pressurem,wf_rain,wf_snow,wf_tempi,wf_tempm,wf_thunder,wf_tornado,wf_visi,wf_vism,wf_wdird,wf_wdire,wf_wgusti,wf_wgustm,wf_windchilli,wf_windchillm,wf_wspdi,wf_wspdm
nta1,2016-12-26 22,dropoff,5,Staten Island,900,0,SI22,West New Brighton-New Brighton-St. George,4,0,8,0,6,1,1,Overcast,48.0,8.9,0,0,88.0,31.1,93,cloudy,0.0,0.0,30.14,1020.6,0,0,50.0,10.0,0,0,9.0,14.5,0,Variable,18.4,29.6,43.5,6.4,6.9,11.1

辅助文件

区域信息文件

nyc_ntas_codes_20260519.csv： 将纽约市一共划分为了 2000 个中等规模的区域（一个区域称为一个 NTA,Neighborhood Tabulation Areas¹）, 为什么我们使用 NTA 作为划分方法？#1。

记录更多关于区域的信息：

NtaId,NtaCode,NtaName,BoroCode,BoroName,CT2010,Shape_Leng,Shape_Area,poi_education,poi_healthcare,poi_natural,poi_office,poi_public_transport,poi_shop,poi_tourism
nta1,SI22,West New Brighton-New Brighton-St. George,5,Staten Island,000900,7729.01679383,2497009.71359,4,0,8,0,6,1,1

• Shape_Leng： 区域的周长，单位米
• Shape_Area： 区域的面积，单位 平方千米

区域邻接矩阵

文件：
nrh_ntas_spatial_adj_1_slim.csv

矩阵格式：Ntas 之间的距离，单位是： 米。 行和列都是索引。一个行的索引和一个列的索引，都是 Nta Id, 是对应的两个区域，那么矩阵上的这个值，就是二者之间的中心点的直线距离。

更多内容，请参考官网。

参考

---

1. Neighborhood Tabulation Areas (NTAs) are medium-sized statistical geographies used in New York City to report data from the Decennial Census and American Community Survey (ACS). ↩︎