本数据集提供了首个明确反映中国公路和铁路质量随空间和时间变化的数据集——时间周期涵盖1994-2017年的交通网络。
一、交通出行时间
该数据集以小时为单位记录了三种交通方式(公路、铁路(货运)和铁路(客运))在县际间的行程时间。当前版本涵盖 1994 年至 2017 年,包含 279 个县。所有文件都存储在文件夹pref_pair中。
字段包括:
- id:都道府县的索引。
- dzcode:四位行政区划代码。
- coord_long:经度。
- coord_lat:纬度。
- pos_x: 这x12669×8829像素级矩阵数据集中的索引。
- pos_y: 这y12669×8829像素级矩阵数据集中的索引。
- cityname_chn:中文的府县名。
- cityname_eng:英文的都道府县名称。
- cpop2000: 2000 年人口普查总人口数,以万为单位。
- cpop2010:总人口数,以万为单位,2010年人口普查。
- upop2000:城镇人口以万为单位,2000年人口普查。
- upop2010:城镇人口,以万人为单位,2010年人口普查。
- cityclass:根据 2010 年人口普查的官方城市规模分类:
- cityclass=7:超大城市,城市人口超过1000万。
- cityclass= 6:特大城市,城市人口在5到1000万之间。
- cityclass= 5:I型大城市,城市人口在300万至500万之间。
- cityclass= 4:二型大城市(II型大城市),城市人口在1至300万之间。
- cityclass= 3:中等城市(中等城市),城市人口在 50 万到 100 万之间。
- cityclass= 2:I型小城市,城市人口在20万至50万之间。
- cityclass=1:II型小城市(II型小城市),城镇人口小于20万。
二、距离文件
以下文件包含距离矩阵:
- pref_pair/time_cost_prefecture_pair_rail_good.csv包含铁路网络上货物运输的旅行时间。
- pref_pair/time_cost_prefecture_pair_rail_pass.csv包含铁路网络客运的旅行时间。
- pref_pair/time_cost_prefecture_pair_road.csv包含道路网络上货运和客运的行程时间。
行程时间数据文件具有相同的结构。每个文件包含38781行,这是下三角279×279不包含对角线元素的对称距离矩阵。这些文件中的变量包括:
- 前两列origin和destination,分别是出发地和目的地县的四位数行政代码。
- year_yyyy:一年中两县之间的旅行时间yyyy(以小时为单位)。
三、设计速度和旅行时间
该数据集包含每个像素上道路和铁路的设计速度以及穿越这些像素的旅行时间12669×8829
中国按年份和交通方式划分的栅格地图。所有文件都存储在文件夹pixel_info中。数据文件的命名方式为,pixel_info_MMMM_YYYY.csv,
其中MMMM
代表三种运输方式:公路、铁路(货运)和铁路(客运),以及YYYY
年份。
数据文件的每一行代表一个具有基础设施建设的像素。各列包含以下变量:
- seg_id:像素所属片段的唯一索引。seg_id与片段级数据集相同,详情请见[backcolor=rgba(0, 0, 0, 0)]此处。
- long:像素的经度。
- lat:像素的纬度。
- pos_x: 这x12669×8829像素级矩阵数据集中的索引。
- pos_y: 这y12669×8829像素级矩阵数据集中的索引。
- index:12669×8829 矩阵中像素的索引号。该索引号是以下 MATLAB 函数的输出:index=sub2ind([8829 12669],pos_y,pos_x)
- speed:像素上基础设施的设计速度,以公里/小时为单位。
- time:以小时为单位,遍历像素所需的时间。请参阅下文关于其计算的注释。
- usage_type:基础设施的使用类型,取三个值:
- both指客货混合运输。所有公路运输和大多数铁路运输均属于此类。
- good指纯货运铁路运输。
- pass指仅供旅客运输的铁路运输。
- terrain:像素点的地形类型,取值范围为四个。地形定义可参考马建军和唐建军(2024)的附录:
- 0:沿海地区。
- 1:平原。
- 2:低矮起伏的山丘。
- 3: 山丘。
- 4: 山。
点击关注我,即可第一时间免费获取后续更新数据!购买则一份数据即可满足您不同时期的数据需求,充分节约您的宝贵时间!充分节约您的时间与精力!