jingyadong/ZZMetro-INC

GitHub: jingyadong/ZZMetro-INC

面向郑州地铁突发事件与协同处置的「站点×小时」多表时空风险数据集,支持事件预测、风险评估和人机协同决策等任务的可重复研究。

Stars: 0 | Forks: 0

# ZZMetro-INC (郑州地铁突发事件数据集):面向地铁突发事件与协同处置的时空风险数据集 (站点×小时) ZZMetro-INC 是一个用于城市轨道交通“特殊情况识别 → 风险预测 → 可信决策 → 人机协同处置 (HITL)”的多表时空数据集,涵盖**事件级监督信号**、**证据级多层标签**、**站点–线路–邻接图结构**以及**站点×小时风险面板(包含天气外生变量)**,直接支持科学研究和可重复性实验: ## 数据规模概览 - 事件:872 - 证据样本:3160 - 站点:231 - 线路:13 - 邻接边:272 - 时间范围:2010-05-26T00:00:00~2025-12-31T23:59:59 ## 仓库结构 ``` ZZMetro-INC/ data/ raw/manifests/ # Original Source List (URL/Time/ID) events_manifest.csv processed/ events_labeled.csv # Event level (supervisory signal master table) samples_labeled.csv # Evidence level (multi-level labels/time confidence) station_metadata_final.csv # Site metadata line_stations.csv # Line Station Sequence adjacency_edges.csv # Site adjacency edge table links/ # Site/route links and spatial scope event_station_link_explicit.csv event_station_link_interval_inferred.csv event_station_link_expanded.csv event_line_link.csv event_spatial_scope.csv panels/ # Station x Hour Panel (Training Main Input) station_hourly_panel_2022_2025_AC.csv.gz station_hourly_panel_2022_2025_AC_weather.csv.gz external/weather/ # External weather variables (Open Meteo) weather_hourly_zhengzhou.csv weather_hourly_zhengzhou.source.json docs/ task_definition.md reproduce_paper.md CODEBOOK.md # Field dictionary DATASET_CARD.md # Dataset Card (Motivation/Limitations/Bias/Ethics) CITATION.cff LICENSE sha256sums.txt ``` ## 核心文档 - **最终训练表(不含天气)**:`data/processed/panels/station_hourly_panel_2022_2025_AC.csv.gz` - **最终训练表(含天气)**:`data/processed/panels/station_hourly_panel_2022_2025_AC_weather.csv.gz` - **图结构**:`line_stations.csv` + `adjacency_edges.csv` ## 推荐任务 - **T1:event_count** (站点 × 小时事件数) - **T2:risk_level** (风险等级) - **T3:hitl_trigger** (是否触发人工干预) ## 合规与版权 本仓库默认发布**结构化标注和衍生特征**。原始通报/新闻全文可能受来源站点的版权/条款限制;本仓库使用 `source_url` 作为可溯源的参考,使用者可根据各站点的条款自行获取并在本地使用。
标签:BSD, HITL, ITS, 事故处置, 人机协同处置, 公共交通应急管理, 共形预测, 可信决策, 图数据, 图神经网络数据, 地铁突发事件, 地铁线路图结构, 地铁运营安全, 城市轨道交通, 多表数据集, 数据挖掘, 时空大数据, 时空预测, 时空风险数据集, 智能交通系统, 气象外生变量, 深度学习数据集, 特殊事件识别, 站点×小时面板数据, 站点邻接图, 证据多级标签, 逆向工具, 郑州, 郑州地铁, 面板数据分析, 风险预测, 风险预警