欧洲城市街道级交通流量标准化数据集：多源异构数据的整合与排放评估新工具

本研究针对欧洲城市交通数据分散、标准不一的痛点，创新性地整合了36个城市2015-2024年的街道级交通流量数据（AADT/AAWT），通过地理编码和OpenStreetMap地图匹配技术构建了首个跨欧洲标准化数据集。研究人员开发了可复用的Python处理流程，验证了数据与浮动车数据（FCD）的高度相关性（R2>0.5），为城市交通排放建模（如COPERT/MOVES模型）提供了关键输入参数，填补了大尺度交通排放评估的数据空白。

　　

在欧洲城市治理和气候行动的背景下，准确量化道路交通流量已成为实现减排目标的关键环节。然而长期以来，各城市采用不同的传感器技术（从传统的感应线圈到新兴的AI摄像头系统）和数据处理标准，导致交通数据成为难以互操作的"信息孤岛"。这种碎片化现状严重制约了跨城市交通模式比较、大尺度排放清单编制（如COPERT9、MOVES10模型应用）以及智慧城市政策的制定效果。更棘手的是，尽管欧盟推行开放数据政策促使更多城市公开交通信息，但这些数据集在时空粒度、变量定义和地理参照等方面存在显著差异，使得研究人员不得不耗费大量精力进行数据清洗而非科学分析。

法国巴黎萨克雷大学气候与环境科学实验室（LSCE/IPSL, CEA-CNRS-UVSQ, Université Paris-Saclay）领衔的国际团队，通过系统收集和标准化36个欧洲城市街道级年度交通数据，在《Scientific Data》发表了首个覆盖多国的标准化交通流量数据集。该研究创新性地将分散的原始数据转化为包含年平均日交通量（AADT）或工作日交通量（AAWT）的GeoJSON格式，并通过地图匹配技术关联OpenStreetMap路网，最终构建了包含12万数据点的资源库。验证显示该数据集与商业浮动车数据（FCD）具有良好一致性（Pearson相关系数>0.7），为交通排放建模提供了前所未有的标准化输入。

研究团队采用三项核心技术方法实现数据整合：1）开发自动化Python流程处理异构数据源，包括缺失值插补（≤4小时连续缺失）和异常值过滤（200,000辆/日上限）；2）应用隐马尔可夫模型和最近邻算法将传感器数据匹配至OpenStreetMap路网，提取道路类型、车道数等属性；3）利用挪威NEXQT公司的浮动车数据进行交叉验证，覆盖31个城市2022-2024年的交通流量基准。

【背景与数据收集】研究团队系统筛查了58个欧洲城市开放数据平台，最终从36个城市获取有效数据。如图1所示，标准化失败案例主要源于实时数据限制（如布鲁塞尔）、地理参照缺失（如雅典）或仅含高速公路数据（如卢布尔雅那）。巴黎等城市采用感应线圈（IL）技术，而米兰等新兴采用摄像头（C）系统，反映了技术演进趋势。

【数据标准化流程】通过开发模块化Python笔记本，研究人员实现了原始数据到统一格式的转换。如表1所示，不同城市数据时间跨度（2015-2024）和空间密度差异显著，如马赛含10,819个监测点而里斯本仅8个。关键创新是将车道级数据聚合至路段级，并保留卡车比例（TR_pct）和85百分位速度（s85）等辅助变量。

【质量验证】图3显示数据集与独立FCD源的空间相关性验证结果。在75%城市中，开放数据与FCD的R²>0.5，证实了数据可靠性。值得注意的是，都柏林等城市因传感器布设在交叉口导致流量高估，而图卢兹因缺乏主干道数据呈现流量低估，这些发现为数据使用提供了重要参考。

【道路类型分析】通过OpenStreetMap地图匹配（表2），图4揭示了各城市监测路网的覆盖特征。格拉斯哥80%传感器集中于高速公路（motorway），而苏黎世则均衡覆盖各类道路。这种监测偏向性分析为后续研究中的样本选择偏差校正提供了依据。

该研究的核心突破在于创建了首个可自由获取的欧洲多城市交通基准数据集，解决了三个关键科学问题：1）建立了跨司法管辖区的数据可比性框架；2）开发了可扩展的技术流程处理城市交通数据的异构性；3）验证了开放数据在排放建模中的适用性。正如作者强调的，即使像柏林这样仅含数百个监测点的城市，该数据集仍能支持街道级排放估算（如Anjos等人2025年研究所示）。研究特别指出，未来需完善方向性流量标识（raw_oneway）和统一重型车分类标准，这些建议已被纳入欧盟新城市交通框架的讨论草案。

数据集的技术价值体现在三方面：首先，标准化的GeoJSON格式支持与主流排放模型（如COPERT）的直接对接；其次，配套的Python代码实现了处理流程的透明化和可重复性；最后，包含的1,887个巴黎传感器数据（2023年）等高频资源为机器学习模型训练提供了优质输入。这些成果不仅助力《巴黎协定》的本地化实施，更为全球城市交通数据的标准化实践树立了标杆。