荷兰起讫点矩阵数据集
该数据集为荷兰市级起讫点矩阵，按交通方式分层，涵盖汽车、公共交通以及自行车或步行等其他方式。数据由2018至2023年国家出行调查Onderweg in Nederland通过广义线性模型推导而来，可用于传染病模型中刻画人员流动对疫情动态的驱动作用，为疾病传播模拟提供输入（来源 DOI 解析）
基本信息
资源简介
荷兰起讫点矩阵数据集
Origin-Destination Matrices for the Netherlands 是一套面向荷兰全国、以市级行政区为空间单元的起讫点（OD）矩阵数据集，按出行方式分层，涵盖汽车、公共交通以及自行车或步行等其他方式。该数据集由 Dahlgren, Scott 与 Coffeng, Luc 完成，经 DataverseNL 发布，发布时间为 2026 年，来源站点为 doi.org，在站内归入感染性疾病 / 其他分类，主题标签涉及 Mathematical Sciences、Social Sciences 与 R2M2P2。其核心价值在于为传染病模型提供人员流动输入：OD 矩阵刻画人们在荷兰各市镇之间的出行联系，可用于描述人员流动如何驱动疫情传播动态，从而支撑疾病传播模拟与相关建模研究。
【数据集背景】
起讫点矩阵是交通与空间分析中的基础数据结构，记录从某一地点出发、到达另一地点的出行流量。在传染病建模领域，这类矩阵常被用作模型输入，因为人群在空间上的移动是影响疫情扩散格局的重要驱动因素。该数据集正是面向这一需求构建，将荷兰全国范围内的出行关系整理为市级尺度的 OD 矩阵，并按交通方式加以区分，使建模者能够在疾病传播模拟中考虑不同出行方式所带来的接触与流动差异。数据集所属主题涵盖数学科学与社会科学，体现了其在定量建模与社会出行行为研究之间的交叉定位。
【数据内容】
数据集描述的是荷兰境内人员出行的起讫点矩阵，空间粒度为市级（municipal level）。矩阵按交通方式分层，共区分三类：汽车、公共交通，以及自行车或步行等其他方式。这种分层结构使数据既能反映总体出行联系，也能支持按方式分别考察流动模式。数据覆盖的时间范围为 2018 年至 2023 年。除上述空间粒度、方式分层与年份范围外，源站未提供矩阵的具体规模、字段结构、流量单位或文件格式等细节。
【采集与来源】
该数据集并非直接观测所得的原始出行记录，而是基于荷兰国家出行调查“Onderweg in Nederland”2018 至 2023 年的数据，通过广义线性模型推导得到。也就是说，原始信息来源为该项全国性出行调查，建模方法为广义线性模型，最终产出为按交通方式分层的市级 OD 矩阵。数据经 DataverseNL 发布，来源站点为 doi.org。关于调查样本量、模型设定、协变量选择及推导过程的具体技术细节，源站未提供。
【适用场景】
该数据集的主要用途是作为传染病模型的输入，用于刻画人员流动对疫情动态的驱动作用，支持疾病传播模拟。由于数据按交通方式分层，使用者可以在模型中区分汽车、公共交通与其他方式所对应的流动格局，进而考察不同出行模式对传播过程的相对贡献。市级空间粒度适合在次国家层面开展空间传播分析。此外，其主题标签涉及数学科学与社会科学，亦可服务于出行行为与空间交互相关的定量研究。除上述方向外，源站未提供其他具体应用案例。
【使用方法】
该数据集以起讫点矩阵形式组织，按交通方式分层并提供 2018 至 2023 年的年度覆盖，使用者可按研究需要选取相应年份与交通方式的矩阵，作为传染病模型中描述市际人员流动的输入项。关于矩阵的读取方式、文件组织、变量命名及与其他模型的对接方法，源站未提供。
【质量与限制】
数据由全国出行调查经广义线性模型推导而来，其性质属于模型估计结果而非直接观测的流量统计。数据覆盖 2018 至 2023 年，空间分辨率为市级，方式分层为汽车、公共交通与其他方式三类。关于估计的不确定性、样本代表性、各年份数据质量差异及已知偏差等，源站未提供。
【引用与许可】
该数据集的作者为 Dahlgren, Scott 与 Coffeng, Luc，发布机构为 DataverseNL，发布时间为 2026 年，来源站点为 doi.org。关于具体的引用格式、许可条款与使用限制，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.34894/3JLT1W
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
起点-终点矩阵可作为传染病模型的输入，在模型中人员流动驱动流行病动力学。这些OD矩阵描述了荷兰市级层面人员出行方式的分层情况：汽车、公共交通，或自行车、步行等其他方式。我们利用广义线性模型，从2018-2023年全国出行调查“Onderweg in Nederland”中推导出这些OD矩阵。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
