数据集概述
本数据集包含2023年6月至2025年5月德国慕尼黑共享出行车辆的高分辨率时空数据，覆盖5家供应商的3种出行模式（汽车、自行车、电动滑板车）。数据通过Web scraping采集，经处理得到闲置位置、衍生行程、车辆信息及服务区域等结构化内容，可用于分析共享出行的运营特征与时空分布。
文件详解
- 核心数据文件（按供应商区分）
- 闲置数据文件：
idling_{provider}.parquet.gz，格式为parquet.gz，字段包括车辆ID、闲置位置经纬度（EPSG:4326）、闲置起止时间戳
- 行程数据文件：
trips_{provider}.parquet.gz，格式为parquet.gz，字段包括车辆ID、行程起止位置经纬度（EPSG:4326）、行程起止时间戳（筛选条件：距离≥100米、时长≤6小时）
- 车辆信息文件：
vehicles_{provider}.parquet.gz，格式为parquet.gz，字段包括车辆ID、车型、能源类型、颜色、首次/末次出现时间戳
- 服务区域文件：
service_area_{provider}.parquet.gz，格式为parquet.gz，字段包括供应商名称、服务区域多边形（EPSG:4326）
- 辅助文件
- 采集URL列表：
scraped_urls.json，格式为json，记录所有查询的URL
- 行程样本文件：
sample_trips_mvgrad_june2023.csv，格式为csv，包含2023年6月MVG Rad的行程样本，字段与行程数据文件一致
数据来源
move.mvg.de（现已下线）
适用场景
- 共享出行运营分析：研究不同模式车辆的闲置分布、行程特征及服务覆盖范围
- 城市交通规划：基于时空数据优化共享出行站点布局与资源调度
- 交通模式研究：分析共享出行与城市交通系统的互动关系
- 数据验证与方法研究：以MVG Rad行程数据验证衍生算法的准确性（2023年6月匹配率达88.2%）
- 可持续交通评估：通过车辆能源类型数据评估共享出行的环境效益
