数据集概述
本数据集包含用于计算驾驶、充电及停车概况，并将其聚类为不同出行集群的代码与数据。通过结构化文件与代码流程，支持道路运输领域中福利再分配灵活性相关的数据分析与模型构建。
文件详解
该数据集由代码文件、数据文件和输出文件组成，具体说明如下：
- 代码文件:
- functions.py: Python代码文件，可能包含计算运输概况的核心函数
- 01-generate_profiles.ipynb: Jupyter Notebook文件，用于生成运输概况
- 02-scale_profiles.ipynb: Jupyter Notebook文件，用于缩放运输概况数据
- 03-yearly_profiles.ipynb: Jupyter Notebook文件，用于处理年度运输概况
- 04-final_profile_preparation.ipynb: Jupyter Notebook文件，用于最终概况数据准备
- 数据文件 (位于data/目录下):
- Zuordnung MOP.xlsx: Excel文件，可能包含MOP（出行目的）分类数据
- nuts3ToPlz.csv: CSV文件，包含NUTS3区域代码与邮政编码（PLZ）的映射关系
- ev_population.pickle: pickle格式文件，可能包含电动汽车人口数据
- households_df.pickle: pickle格式文件，可能包含家庭数据
- mop_trips_df.pickle: pickle格式文件，可能包含出行目的相关的行程数据
- 输出文件 (位于Output/目录下):
- export_sc2030_cp11_cluster10.xlsx: Excel文件，包含2030年场景下的集群分析结果
- profiles_nuts_clusters10_year2030.xlsx: Excel文件，包含2030年NUTS区域的集群概况数据
适用场景
- 交通政策分析: 评估道路运输灵活性对福利再分配的影响
- 电动汽车充电需求研究: 基于驾驶与充电概况分析充电设施布局需求
- 区域交通规划: 利用NUTS3区域的运输集群数据优化区域交通资源配置
- 出行行为研究: 通过运输概况聚类分析不同群体的出行模式特征
- 未来交通场景模拟: 基于2030年预测数据模拟未来交通系统发展趋势
