搭车出行数据集-二十年的群众贡献随机旅行记录-计算机科学-机器学习-交通出行.pdf

搭车出行数据集：二十年的群众贡献随机旅行记录

TillWenke

IndependentResearcher

H

Berlin,Germany

lastname.firstname[at]

Abstract

本搭便车，一种自发和分散的旅行方式，由于其非正式性质长期以来一直难以

译进行系统研究。本文介绍并分析了目前已知的最大规模的结构化搭便车数

中据集，该数据集包含超过63,000条记录，这些记录在过去近二十年间通过

1与相关的平台以及最近在平台上收集而来。

v借助众包贡献，该数据集捕捉到了搭便车的关键时空和策略性方面。本文记

6录了数据集的起源、演变及其由社区驱动的维护情况，强调其以欧洲为中心

4

9的分布特点、季节性模式以及对少数高度活跃贡献者的依赖。通过探索性分

1析，我考察了等待时间、用户行为及评论元数据，揭示了搭便车者的生活现

2

.实。尽管该数据集存在固有的偏差和局限性——例如人口统计学偏斜和无

6

0法验证的条目——它仍然提供了一个了解这种替代出行方式的难得且有价

5值的窗口。最后，我概述了丰富数据集以及推进作为交通实践和文化现象的

2搭便车研究的未来方向。2

:

v

i

x

r

a1介绍

搭便车是一种交通方式，其中个人向过往车辆请求免费搭乘，通常是站在路边并向司机示意。

如在Garrett[2014]中所定义的，“作为一种交通工具形式，搭便车涉及在道路旁向过往机动

车辆请求免费搭乘，通常来自陌生人（尽管搭便车偶尔也涉及其他类型的车辆）”。

在本研究及其介绍的数据集的背景下，我将传统定义扩展为包括任何形式的自发搭车请求

——无论是通过私家车、面包车、船只或其他交通工具。尽管记录中的大多数行程仍然涉及

私家汽车，但这种更广泛的框架承认了世界各地搭便车者所遇到的各种交通方式的多样性。

搭便车的一个显著特点是其内在的自发性和不确定性。与有计划的交通方式不同，搭便车本

质上是随机的：等到被搭载的时间、行程的目的地以及所走路线都是不可预测的。这种不确

定性虽然常常被视为一种风险，但也赋予了搭便车独特的灵活性和吸引力。正是这一随机性

促使系统收集并分析众包的搭便车数据。

Hitchhikingsince2021.Personalwebsite:https://tillwenke.github.io/

2数据集发布于:https://huggingface.co/datasets/Hitchwiki/hitchhiking-rides-dataset

Preprint.Underreview.

本工作中呈现的数据集的创建得益于过去二十年间的技术和基础设施发展。互联网和诸如

H3等协作平台（基于MediaWiki）的兴起，为搭便车者之间的知识交流和社区

建设奠定了基础。同时，智能手机的普及使得能够实时跟踪乘车情况并收集基于GPS的位

置数据，大大提高了数据集随时间的精确度和实用性。

图1:搭便车者的象征性图像。1977年在卢森堡拍摄。来源：/en