DRT Multi-City Benchmark Dataset

다도시 DRT(Demand-Responsive Transport) 시뮬레이션 벤치마킹을 위한 통합 입력 데이터셋. 서로 다른 밀도·면적·데이터 포맷을 가진 세 도시(NYC 맨해튼, Chicago, 성남시 수정구)의 수요·도로 네트워크·차량 데이터를 공통 스키마로 정제하여 제공한다.

• 대상: DRT/모빌리티 연구자, 교통공학 대학원생, 도시 시뮬레이션 개발자
• 용도: 다도시 DRT 알고리즘 벤치마킹, 배차/리밸런싱 비교, 차량대수 산정 검증, 도시 카테고리 일반화 연구
• 연계 시뮬레이터: DTUMOS — Digital Twin Urban Mobility Simulator

핵심 사실

• 데이터 이질성: NYC = Zone ID(좌표 없음), Chicago = 15분 binned + Census Tract centroid, 성남 = 초 단위 GPS 좌표
• 세 도시의 원본 정밀도 차이를 통합 스키마(pickup_time, pickup_lon, pickup_lat, dropoff_lon, dropoff_lat)로 정규화
• 도로 네트워크는 OSM 기반 road_graph.gpkg (노드/엣지)와 osm_simplified.osm.pbf 동봉 — Rust CH 라우팅 즉시 사용 가능
• 모든 좌표계: EPSG:4326 (WGS84)

---

폴더 구조

data/raw/
├── nyc/                              NYC Yellow Taxi (TLC, 2017-10-19 목)
│   ├── demand.csv                    정제된 수요 (통합 스키마)
│   ├── nyc_avg_demand_5day.csv       5일 평균 수요 (Poisson 시드용)
│   ├── nyc_manhattan_2017-10-19.parquet   해당일 필터된 원본
│   ├── yellow_tripdata_2017-10.parquet    원본 한 달치 (TLC raw)
│   ├── nyc_taxi_preprocessing.ipynb       전처리 노트북 (NYC Zone → 좌표 매핑 + 통합 스키마 변환)
│   ├── explore_taxi_data.ipynb            데이터 탐색 노트북 (TLC raw 구조·컬럼 분석)
│   ├── taxi+_zone_lookup.csv              TLC 263개 Zone ID ↔ 자치구·이름 매핑표
│   ├── boundary.geojson              맨해튼 경계
│   ├── road_graph.gpkg               OSM 도로 그래프 (LineString)
│   ├── road_graph_nodes.gpkg         노드 (Point)
│   ├── road_graph.meta.json          메타 (노드/엣지 수)
│   ├── osm_simplified.osm.pbf        OSM PBF (라우팅 엔진용)
│   ├── edge_index.pkl                Rust CH용 엣지 인덱스
│   ├── taxi_zones/                   TLC 263개 택시존 shapefile
│   └── seeds/                        시드별 샘플 3종
│       ├── demand_seed1.csv
│       ├── demand_seed2.csv
│       └── demand_seed3.csv
│
├── chicago/                          Chicago TNC Ride-hail (2024-03-14 목)
│   ├── demand.csv                    정제된 수요 (15분 binned → 분 단위 disaggregation)
│   ├── Taxi_Trips_2024-03-14.parquet 원본 일자 추출본
│   ├── boundary.geojson              시카고 경계
│   ├── road_graph.gpkg
│   ├── road_graph_nodes.gpkg
│   ├── road_graph.meta.json
│   ├── osm_simplified.osm.pbf
│   ├── edge_index.pkl
│   ├── tl_2024_17_tract/             Census Tract shapefile (centroid 매핑용)
│   └── seeds/
│       ├── demand_seed1.csv
│       ├── demand_seed2.csv
│       └── demand_seed3.csv
│
└── seongnam/                         성남시 수정구 스마트카드 택시 (2024-04-18 목)
    ├── demand.csv                    정제된 수요 (초 단위 GPS)
    ├── vehicles.csv                  실측 차량 풀
    ├── boundary.geojson              수정구 경계
    ├── road_graph.gpkg
    ├── road_graph_nodes.gpkg
    ├── road_graph_edges.parquet
    ├── road_graph_nodes.parquet
    ├── road_graph.meta.json
    ├── osm_simplified.osm.pbf
    ├── edge_index.pkl
    ├── semantic_graph.json           격자 기반 임시 정류장(Virtual Stop) 시드
    └── seeds/
        ├── demand_seed1.csv
        └── demand_seed2.csv

---

도시별 데이터 명세

항목	NYC (맨해튼)	Chicago	성남시 (수정구)
원본 출처	NYC TLC Yellow Taxi	City of Chicago Open Data (TNC)	성남시 스마트카드 택시
대상 일자	2017-10-19 (목)	2024-03-14 (목)	2024-04-18 (목)
원본 시간 정밀도	초 단위	15분 binned	초 단위
원본 공간 정밀도	Zone ID만 (263개)	Census Tract centroid	GPS 좌표
수요 건수 (정제 후)	65,894건	53,553건	8,041건
시뮬 면적	~60 km² (맨해튼)	~600 km² (시카고시)	~25 km² (수정구)
수요 밀도 (건/km²/h)	~258 (초고밀도)	~18 (저밀도 광역)	~43.6 (중밀도)
차량대수 산정 (다반조 GM)	1,000대	1,600대	130대

통합 스키마 (demand.csv 컬럼)

컬럼	타입	설명
pickup_time	datetime	픽업 시각 (ISO 8601)
pickup_lon, pickup_lat	float	WGS84 픽업 좌표
dropoff_lon, dropoff_lat	float	WGS84 하차 좌표
pax_count	int	승객 수 (기본 1)

시드 파일(seeds/demand_seed*.csv): 동일 스키마. 평일 5일 평균을 Poisson 시드로 샘플링한 3종. 재현성을 위해 시드 1·2·3 동봉.

---

데이터 출처 및 라이선스

데이터	출처	라이선스
NYC Yellow Taxi 2017-10	NYC TLC Trip Record Data	NYC Open Data Terms
NYC TLC Taxi Zones	NYC TLC	NYC Open Data Terms
Chicago Taxi Trips 2024-03	City of Chicago Open Data Portal	City of Chicago Open Data
Chicago Census Tract 2024	US Census TIGER/Line 2024	Public Domain
성남시 스마트카드 택시 2024-04	성남시 (연구 협약 데이터)	비공개 — 정제·집계본만 공개
OSM 도로 네트워크	OpenStreetMap	ODbL 1.0

본 데이터셋 라이선스: source-attribution — 재배포 시 반드시 출처를 명기할 것.

---

다운로드 및 사용법

전체 다운로드

# (권장) 풀 데이터셋 — 약 420MB
hf download CAMUS-LAB/drt --repo-type dataset --local-dir ./data

도시별 부분 다운로드

# NYC만
hf download CAMUS-LAB/drt --repo-type dataset \
    --include "data/raw/nyc/**" --local-dir ./data

Python에서 직접 로드

from huggingface_hub import snapshot_download
local_path = snapshot_download(
    repo_id="CAMUS-LAB/drt",
    repo_type="dataset",
    allow_patterns=["data/raw/seongnam/**"],
)

import pandas as pd
df = pd.read_csv(f"{local_path}/data/raw/seongnam/demand.csv")

DTUMOS 시뮬레이터에 연결

다운로드한 데이터를 DTUMOS의 data/cities/<city>/ 에 배치하면 자동 감지된다:

DTUMOS/data/cities/
├── NYC/        ← data/raw/nyc/  의 내용
├── Chicago/    ← data/raw/chicago/  의 내용
└── Seongnam/   ← data/raw/seongnam/  의 내용

cd DTUMOS
python -m dtumos.cli simulate --city NYC --dispatch D3R --rebalancing R1b

---

관련 연구

• 시뮬레이터: DTUMOS — Digital Twin Urban Mobility Simulator (Python + Rust CH + Java RAPTOR)
• 수요 모델: dtumos-demand-model — 수요 프로파일 생성 모델
• 연구 발표: 2026 ITS 춘계학회 — "다도시 DRT 알고리즘 벤치마킹: 도시 맥락 기반 성능 비교 프레임워크" (방혜원, 가천대 스마트시티융합학과)

향후 확장

• 도시 추가: 한국 5+ 도시 (서울/대구/대전/수원 등 스마트카드), 해외 추가 (싱가포르 등)
• 시간 이질성: 일자 → 한 달 평균 (계절성), 시간대별 (피크/오프피크/심야)
• Virtual Stop: 격자 기반 임시 정류장 데이터 (저밀도 도시용)

---

인용

@dataset{drt_multi_city_benchmark_2026,
  author       = {Bang, Hyewon and CAMUS Lab},
  title        = {DRT Multi-City Benchmark Dataset (NYC, Chicago, Seongnam)},
  year         = {2026},
  publisher    = {Hugging Face},
  url          = {https://huggingface.co/datasets/CAMUS-LAB/drt},
  note         = {Multi-city DRT simulation input dataset for benchmarking dispatch and rebalancing algorithms}
}

---

변경 이력

• 2026-05 — 초기 공개판: NYC / Chicago / Seongnam 3개 도시 raw 입력 데이터, Dataset Card 및 통합 스키마 명세 추가