Analyzing Taiwanese Traffic Patterns on Consecutive Holidays through Forecast Reconciliation and Prediction-based Anomaly Detection Techniques
Notice bibliographique
Résumé
This dataset supports research on Taiwanese highway traffic behavior during consecutive holidays, focusing on traffic anomaly detection and the evaluation of traffic management strategies. The data is sourced from the Taiwan Freeway Bureau Traffic Database and was originally collected at 5-minute intervals by the Electronic Toll Collection (ETC) system on Taiwan’s three main highways. For analysis, the data was aggregated to an hourly level and pre-processed. hour2021-final.csv: Contains hourly traffic data from January 1, 2021, to April 30, 2021. hour.all.csv: Includes hourly traffic data from January 1, 2019, to April 30, 2021, covering 73 days of consecutive holidays across three years. This dataset enables analysis of traffic anomalies, seasonal patterns, and spatial variations in traffic flow, providing valuable insights for improving traffic control and management strategies in Taiwan. Data Source Acknowledgment:Any use, redistribution, or publication of this dataset or any derivative works must explicitly acknowledge that the data originates from the "交通部高速公路局『交通資料庫』" (Taiwan Freeway Bureau Traffic Database). Permitted Uses: The data may be used for research, analysis, application development, and public sharing.Value-added services or research results based on this dataset must include proper attribution as specified above.Reference links: https://tisvcloud.freeway.gov.tw/ (Since 2025, available on only local Taiwan IPs) - https://tdx.transportdata.tw/data-service/historical
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».