README.md

---
license: apache-2.0
tags:
- vehicle
- ved
- energy
- gps
- timeseries
- fuel
- eletric
- eved
size_categories:
- 10M<n<100M
---

# VED & eVED
Os datasets desse Espaço são uma cópia. O original pode ser obitido diretamente no github dos autores: [https://github.com/gsoh/VED](https://github.com/gsoh/VED).
Esses datasets são bem conhecidos no contexto veicular, pois contém dados de alta relevância para testes em cenários realistas.

## Como baixar/usar
Primeiro instale `datasets`:
```bash
pip install datasets
```
Agora, em python

```python
import pandas as pd
from datasets import load_dataset

global dir_hf
dir_hf = 'jwsouza13/ved'

folder = 'eVED' # ou 'ved_1', 'ved_2'
path_glob = f"{folder}/*.csv"

dataset = load_dataset(
    dir_hf, 
    data_files=path_glob
  )
df_completo = dataset['train'].to_pandas()
```

Fazendo o merge para integrar as informações 

```python
info_ice_hev = pd.read_excel('https://huggingface.co/datasets/jwsouza13/ved/resolve/main/VED_Static_Data_ICE%26HEV.xlsx')
info_phev_ev = pd.read_excel('https://huggingface.co/datasets/jwsouza13/ved/resolve/main/VED_Static_Data_PHEV%26EV.xlsx')
info_data = pd.concat([info_ice_hev, info_phev_ev], ignore_index=True)

df = df_completo.merge(info_data, on='VehId', how='left')

df_ice = df[df['Vehicle Type'] == 'ICE']
df_hev = df[df['Vehicle Type'] == 'HEV']
df_phev = df[df['EngineType'] == 'PHEV']
df_ev = df[df['EngineType'] == 'EV']
```

## VED - Vehicle Energy Dataset

O VED registra trajetórias GPS de veículos juntamente com suas séries temporais de dados de combustível, energia, velocidade e uso de potência auxiliar.  
Os dados foram coletados por meio de registradores OBD-II instalados a bordo dos veículos entre novembro de 2017 e novembro de 2018.

A frota monitorada é composta por um total de 383 veículos particulares, distribuídos da seguinte forma:

- **264 veículos a gasolina**  
- **92 veículos híbridos (HEV)**  
- **27 veículos híbridos plug-in ou elétricos (PHEV/EV)**  

Os dados foram coletados na cidade de Ann Arbor, Michigan, EUA, abrangendo diversos cenários de condução, desde rodovias até áreas urbanas 
com tráfego intenso, em diferentes condições e estações do ano.  
No total, o VED acumula aproximadamente 374.000 milhas percorridas.

### 🧠 Aplicações
- Modelagem de consumo de energia veicular baseada em dados  
- Modelagem de comportamento de motoristas  
- Aplicações de aprendizado de máquina e aprendizado profundo (deep learning)  
- Calibração de simuladores de tráfego
- Modelagem de escolha de rotas ótimas
- Previsão de comportamentos de condutores humanos  
- Tomada de decisão de veículos autônomos

### 📍 Local

- **Local:** Ann Arbor, Michigan, EUA  
- **Período:** Novembro de 2017 a Novembro de 2018  
- **Distância total acumulada:** ~374.000 milhas  

## eVED - Extend Vehicle Energy Dataset

Este repositório contém a versão estendida do [Vehicle Energy Dataset (VED)](https://github.com/gsoh/VED).
O Extended Vehicle Energy Dataset (eVED) é um conjunto de dados em larga escala voltado à análise de consumo de energia veicular.
Em comparação com sua versão original, o VED estendido (eVED) foi aprimorado com coordenadas GPS precisas das viagens dos veículos, servindo 
como uma base confiável para associar os registros de viagem do VED a informações externas — por exemplo, limites de velocidade das vias e 
interseções — obtidas de serviços de mapas acessíveis.  
Essas informações adicionais permitem agregar atributos relevantes e essenciais para a análise detalhada do consumo de energia veicular.
Em particular, foram calibrados todos os registros de trajetórias GPS do conjunto VED original, a partir dos quais os dados foram associados a
novos atributos extraídos de:

- **Geographic Information System (QGIS)**  
- **Overpass API**  
- **OpenStreetMap API**  
- **Google Maps API**

### 📊 Novos atributos do eVED

| Tipo de Atributo | Quantidade de Registros |
|------------------|--------------------------|
| Elevação da via | 12.609.170 |
| Limite de velocidade | 12.203.044 |
| Limite de velocidade com direção (vias bidirecionais) | 12.281.719 |
| Interseções | 584.551 |
| Pontos de ônibus | 429.638 |
| Faixas de pedestres | 312.196 |
| Sinais de trânsito | 195.856 |
| Placas de parada | 29.397 |
| Loops de conversão | 5.848 |
| Cruzamentos ferroviários (nível) | 4.053 |
| Rotatórias | 3.554 |
| Junções de rodovia | 2.938 |

## Pastas
* `ved_1`: primeira parte dos dados do VED
* `ved_2`: segunda parte dos dados do VED
* `eVED`: dados brutos do eVED
* `code`: notebooks mostrando como abrir/tratar os dados e outras manipulações

## 📚 Citação

Se utilizar este/estes conjunto(s) de dados, cite o [VED original](https://github.com/gsoh/VED).

---

**Licença:** Igual à do conjunto de dados original VED.  
**Fonte:** [https://github.com/gsoh/VED](https://github.com/gsoh/VED)


## Artigo 

Link para o artigo dos autores idealizadores do VED e eVED:
[Vehicle Energy Dataset (VED), A Large-scale Dataset for Vehicle Energy Consumption Research](https://doi.org/10.1109/TITS.2020.3035596)\
**Geunseob (GS) Oh**, David J. LeBlanc, Huei Peng\
IEEE Transactions on Intelligent Transportation Systems (T-ITS), 2020.\
The paper is also available on [Arxiv](https://arxiv.org/pdf/1905.02081.pdf).