加州第七大区高速交通流量数据集（PEMS07）以加州交通局第七片区（洛杉矶 + 文图拉县）高速公路路网为研究区域，基于 Caltrans PeMS 系统采集的交通流量、车速、占有率数据，统一筛选、清洗、标准化后形成大规模路网交通预测基准数据集。数据集包含 883 个环路检测器，时间范围为 2017 年 5 月 1 日至 2017 年 8 月 31 日，时间分辨率为 5 分钟，共 28224 个时间步长，完整覆盖 4 个月全天交通时序。原始采集包含流量、车速、车道占有率 3 项交通特征，实验主流采用单流量特征建模；原始缺失值经时序线性插值填充，成品数据集无缺失。按照 60%、20%、20% 的时序比例划分为训练集、验证集和测试集。基于道路路网距离采用阈值化高斯核构建传感器间加权邻接矩阵。该数据集是当前节点规模最大的公开交通时空基准数据集，广泛用于大规模路网时空图神经网络、长时序交通流量预测、路网异质性建模等模型性能验证。
交通状态数据：源自加州交通局 Caltrans PeMS 官方监测系统（https://pems.dot.ca.gov/），由 Yu 等人（2018）在 STGCN 开源项目中从 District 7 原始海量检测器中筛选有效站点并完成全流程预处理后公开。数据集开源代码与下载资源地址：https://github.com/Davidham3/STSGCN
一、数据采集
从 Caltrans PeMS 业务运营系统获取 District 7 片区原始环路检测器数据。PeMS 系统以 30 秒高频实时采集加州全域高速公路车流量、平均车速、车道占有率三类交通参数，由加州交通局统一运维、存储原始监测数据。
二、数据筛选与预处理
Yu 等人（2018）筛选 District 7 片区内 883 台长期稳定运行、故障率极低的环路检测器，覆盖洛杉矶县、文图拉县全域主干高速路网；剔除长期离线、数据异常的失效传感器。原始 30 秒高频数据统一聚合为 5 分钟时间窗口均值时序；原始数据存在约 0.45% 缺失值，采用时序线性插值结合邻近车道空间信息完成填充，标准化发布版本无空缺值。完整保留流量、车速、占有率三类原始观测特征供研究者按需选用。
三、数据集划分
全部时序数据严格按照时间先后顺序切分，以 60%、20%、20% 比例划分为训练集、验证集、测试集，全程不打乱时序，贴合真实交通预测离线训练场景。
四、数据标准化
采用 Z-score 标准化方法，仅在训练集上计算特征均值与标准差，再统一映射至验证集、测试集，严格规避跨时序数据泄露问题。
五、传感器图构建
计算任意两台检测器间实际道路路网距离（非欧式直线距离），采用阈值化高斯核生成加权邻接矩阵：
W_ij = exp(-dist(v_i, v_j)² / σ²) 若 dist(v_i, v_j) ≤ κ，否则为0
其中σ为距离标准差，κ为阈值。生成 883×883 对称邻接距离矩阵与时序数据配套发布，用于建模路网空间交通传播依赖关系。
本数据集的底层监测数据源自Caltrans PeMS官方标准化交通监测平台，经二次严格筛选仅保留长期稳定、故障记录少的883台检测器，从源头上剔除了低质量采集站点以保障原始数据源的可靠性。针对原始少量的缺失值，通过时空联合插值完成了完整修复，使集成数据成品的缺失率降至0%，无需额外补全操作即可直接投入大规模路网模型训练。在数据标准化流程中，Z-score归一化参数严格仅由训练集计算得出，验证集与测试集仅进行同步变换，从而有效杜绝了测试阶段的未来信息泄露，确保了实验对比结果的公平性。同时，数据集完成了图结构完整性校验，配套的距离矩阵为与传感器节点数完全匹配的883×883标准方阵，节点空间关联关系完整且无重复或行列缺失。此外，该数据在时序连续性上具备强力保障，完整覆盖了长达4个月全天24小时的时序信息，全面囊括工作日、周末及节假日等全场景交通周期规律，能够充分且严谨地验证模型对周期性与突变车流的拟合与泛化能力。
| # | 编号 | 名称 | 类型 |
| 1 | 2022ZD0120000 | 博弈智能场景应用 |
本作品采用
CC BY 4.0 （知识共享 署名 4.0 国际许可协议）进行许可。
