美国农村道路死亡县级面板数据 2015-2024
该数据集为美国县级逐年面板数据,覆盖2015至2024年致命机动车碰撞与死亡记录,基于NHTSA的FARS构建。死亡数据按农村与城市位置、道路等级、道路权属及人员类型(驾驶员、乘客、行人、骑行者)拆分,并整合人口、道路里程、地理交叉对照、代码本、连接规则、溯源日志与质量报告等辅助材料,可用于农村道路

基本信息
资源简介
美国农村道路死亡县级面板数据 2015-2024
U.S. Rural Road Fatality County Panel, 2015-2024
该数据集为美国县级逐年面板数据,覆盖2015至2024年致命机动车碰撞与死亡记录,基于NHTSA的FARS构建。死亡数据按农村与城市位置、道路等级、道路权属及人员类型(驾驶员、乘客、行人、骑行者)拆分,并整合人口、道路里程、地理交叉对照、代码本、连接规则、溯源日志与质量报告等辅助材料,可用于农村道路安全分析与县级面板研究(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):开放的美国县级逐年致命机动车碰撞与死亡面板数据,2015-2024年,基于NHTSA的Fatality Analysis Reporting System(FARS)构建。死亡数据按农村和城市位置(2020年Census urban areas,跨年固定,以及FARS的RUR_URB标签)、道路等级、道路权属和人员类型(驾驶员、乘客、行人、骑行者)拆分。包含Census人口、2020年农村人口、2024年FHWA HPMS按功能等级和权属划分的公共道路里程、与2020年Census places及county subdivisions的碰撞级交叉对照(含匹配标志)、代码本、连接规则、含SHA-256指纹的溯源日志、QA报告,以及比较FARS农村标签与Census urban areas的验证表。FARS 2015-2023为Final Files;2024为Annual Report File。
【主题与分类】
主题标签:traffic safety、rural roads、FARS、county panel、road fatalities、urban areas、open data、transportation。本站分类:创伤与损伤/创伤性损伤。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23547650
使用许可:Creative Commons Attribution 4.0 International。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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/10.5281/zenodo.23547650
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:
数据集大小约 23.3 MB。
数据说明
美国致命机动车碰撞与死亡人数的县级-年度开放面板数据,2015-2024年,基于NHTSA的死亡分析报告系统(FARS)构建。死亡数据按农村和城市地点(2020年人口普查城市地区,各年度固定不变,以及FARS的RUR_URB标签)、道路等级、道路权属和人员类型(驾驶员、乘客、行人、骑行者)拆分。包含人口普查人口、2020年农村人口、2024年FHWA HPMS按功能等级和权属划分的公共道路里程、与2020年人口普查地点和县以下行政区划的碰撞级交叉对照表(含匹配标志)、代码本、连接规则、含SHA-256指纹的来源日志、QA报告,以及比较FARS农村标签与人口普查城市地区的验证表。FARS 2015-2023年为最终文件;2024年为年度报告文件。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




