DOI: https://doi.org/10.1177/23998083251415040
تاريخ النشر: 2026-01-17
المؤلف: Egor Kotov وآخرون
الموضوع الرئيسي: تنقل البشر والتحليل القائم على الموقع
نظرة عامة
تقدم البحث حزمة R **spanishoddata**، المصممة لتسهيل الوصول السريع والفعال إلى مجموعات بيانات حركة البشر ذات الدقة العالية من نقطة الأصل إلى الوجهة في إسبانيا، والتي تم اشتقاقها من سجلات الهواتف المحمولة المجهولة المقدمة من وزارة النقل والتنقل المستدام. تعالج هذه الحزمة التحديات الكبيرة المتعلقة بإمكانية الوصول إلى البيانات، وإمكانية إعادة الإنتاج، وكفاءة المعالجة التي تم تحديدها في الدراسات السابقة. تقوم بأتمتة عملية الاسترجاع من المصادر الرسمية، وتضمن التحقق من الملفات والمخططات، وتحول البيانات إلى تنسيقات جاهزة للتحليل مثل DuckDB و Parquet، التي تدعم تحليلات زمنية واسعة على الأجهزة القياسية.
تستوعب واجهة spanishoddata سهلة الاستخدام جمهورًا متنوعًا، من علماء البيانات المبتدئين إلى الممارسين ذوي الخبرة، مما يسمح لهم باستخدام مجموعات البيانات مع الحد الأدنى من جهد البرمجة. توضح الورقة التطبيقات العملية للحزمة في تخطيط النقل الحضري، بما في ذلك تقييمات إمكانيات ركوب الدراجات وتحليلات أنماط الحركة المصنفة حسب نوع النشاط. من خلال تبسيط الوصول إلى البيانات وتعزيز سير العمل البحثي القابل لإعادة الإنتاج، تقلل spanishoddata بشكل كبير من حواجز الدخول للباحثين وصانعي السياسات ومخططي النقل المهتمين باستخدام بيانات الحركة لاتخاذ قرارات مستنيرة.
مقدمة
تؤكد مقدمة الورقة على الدور الحاسم لمجموعات البيانات ذات الوصول المفتوح في تسهيل اتخاذ القرارات المستندة إلى الأدلة، بينما تسلط الضوء أيضًا على التحديات المرتبطة بإعداد البيانات، لا سيما في سياق حركة البيانات المفتوحة. على الرغم من توفر مجموعات بيانات كبيرة، غالبًا ما يتم استهلاك وقت كبير في تنظيف البيانات ومعالجتها، حيث يُبلغ الممارسون عن قضاء ما يصل إلى 80% من وقتهم في هذه المهام. تساهم هذه الكفاءة المنخفضة في قضايا مثل أزمة إمكانية إعادة الإنتاج في البحث، حيث إن العديد من مجموعات البيانات يصعب استخدامها وفهمها.
لمعالجة هذه التحديات، ظهرت مبادرات مختلفة، بما في ذلك كل من الأساليب من الأعلى إلى الأسفل، مثل المعايير المفروضة من الحكومة، والاستراتيجيات من الأسفل إلى الأعلى، مثل إنشاء “حزم البيانات” التي تبسط الوصول إلى البيانات واستخدامها. تقدم هذه الورقة حزمة R `spanishoddata`، المصممة لتبسيط الوصول إلى بيانات التنقل الكبيرة المفتوحة الإسبانية التي نشرتها وزارة النقل والتنقل المستدام الإسبانية. قام المؤلفون بمراجعة 36 دراسة تستخدم هذه البيانات ووجدوا نقصًا في كود استحواذ البيانات المشترك وممارسات الاقتباس غير المتسقة، مما يعيق إمكانية إعادة الإنتاج. تقدم حزمة `spanishoddata` واجهة سهلة الاستخدام تعزز بشكل كبير من سرعة معالجة البيانات وتقلل من التعقيد، مما يحسن من إمكانية الوصول العامة وإمكانية إعادة إنتاج التحليلات. توضح الورقة مجموعات البيانات، وتحلل تطبيقاتها، وتقدم أمثلة عملية توضح قدرات الحزمة في التغلب على تحديات إمكانية إعادة الإنتاج.
نقاش
تهدف مبادرة البيانات الكبيرة المفتوحة الإسبانية إلى تعزيز تخطيط وإدارة النقل في إسبانيا مع تعزيز الشفافية والابتكار من خلال مجموعات البيانات المتاحة للجمهور المستمدة من بيانات الشبكة المحمولة (MND). تشمل هذه المجموعات كل من الأحداث المحمولة النشطة والسلبية من حوالي 13 مليون مشترك في Orange Spain، مما يوفر جداول أصل-وجهة مفصلة وبيانات مكانية على مستويات جغرافية مختلفة. تتوفر مجموعات البيانات في نسختين: الأولى تغطي 2020-2021، بما في ذلك بيانات COVID-19، والثانية، التي تم إطلاقها في 2024، تقدم دقة مكانية محسنة ومتغيرات سوسيو ديموغرافية إضافية. تعتبر مجموعات البيانات غير مسبوقة في نطاقها وتفاصيلها، حيث تتجاوز النسخة الثانية 200 جيجابايت وتُحدث باستمرار.
على الرغم من إمكانياتها، شهدت مجموعات البيانات تطبيقًا محدودًا في البحث، حيث تركزت بشكل أساسي على COVID-19 وعلم الأوبئة، مع وجود دراسات قليلة تستكشف مجالات أخرى مثل توقع حركة البشر وتأثيرات البيئة. كانت ممارسات الاقتباس غير متسقة، مما يعيق إمكانية إعادة الإنتاج ويحد من التأثير الأوسع لمجموعات البيانات. لمعالجة هذه التحديات، تم تطوير حزمة R spanishoddata، مما يسهل الوصول السهل إلى البيانات، ويحسن إمكانية إعادة الإنتاج، ويضمن الاقتباس الصحيح. تستخدم الحزمة تنسيقات بيانات حديثة مثل DuckDB و Parquet لتبسيط معالجة البيانات، مما يقلل بشكل كبير من الوقت الذي يقضيه الباحثون في إعداد البيانات. مع تسجيل أكثر من 2200 عملية تحميل، تستعد الحزمة لدعم مجموعة متنوعة من تطبيقات البحث، مما يعزز من فائدة البيانات الكبيرة المفتوحة الإسبانية لمبادرات القطاعين العام والخاص على حد سواء.
DOI: https://doi.org/10.1177/23998083251415040
Publication Date: 2026-01-17
Author(s): Egor Kotov et al.
Primary Topic: Human Mobility and Location-Based Analysis
Overview
The research introduces the R package **spanishoddata**, designed to facilitate rapid and efficient access to Spain’s high-resolution origin-destination human mobility datasets, which are derived from anonymized mobile phone records provided by the Ministry of Transport and Sustainable Mobility. This package addresses significant challenges related to data accessibility, reproducibility, and processing efficiency identified in previous studies. It automates the retrieval process from official sources, ensures file and schema validation, and converts the data into analysis-ready formats such as DuckDB and Parquet, which support extensive temporal analyses on standard hardware.
The user-friendly interface of spanishoddata accommodates a diverse audience, from novice data scientists to seasoned practitioners, allowing them to utilize the datasets with minimal coding effort. The paper illustrates the package’s practical applications in urban transport planning, including evaluations of cycling potential and analyses of mobility patterns categorized by activity type. By streamlining data access and fostering reproducible research workflows, spanishoddata significantly lowers the entry barriers for researchers, policymakers, and transport planners interested in harnessing mobility data for informed decision-making.
Introduction
The introduction of the paper emphasizes the critical role of open-access datasets in facilitating evidence-based decision-making, while also highlighting the challenges associated with data preparation, particularly in the context of the open data movement. Despite the availability of large datasets, significant time is often consumed in data cleaning and processing, with practitioners reportedly spending up to 80% of their time on these tasks. This inefficiency contributes to issues such as the reproducibility crisis in research, as many datasets are difficult to use and understand.
To address these challenges, various initiatives have emerged, including both top-down approaches, like government-imposed data standards, and bottom-up strategies, such as the creation of ‘data packages’ that simplify data access and usage. This paper introduces the `spanishoddata` R package, designed to streamline access to the Spanish Open Mobility Big Data published by the Spanish Ministry of Transport and Sustainable Mobility. The authors conducted a review of 36 studies utilizing this data and found a lack of shared data-acquisition code and inconsistent citation practices, which hinder reproducibility. The `spanishoddata` package offers a user-friendly interface that significantly enhances data processing speed and reduces complexity, thereby improving the overall accessibility and reproducibility of analyses. The paper outlines the datasets, analyzes their applications, and presents practical examples demonstrating the package’s capabilities in overcoming reproducibility challenges.
Discussion
The Spanish Open Mobility Big Data initiative aims to enhance transport planning and management in Spain while promoting transparency and innovation through publicly accessible datasets derived from Mobile Network Data (MND). These datasets encompass both active and passive mobile events from approximately 13 million subscribers of Orange Spain, providing detailed origin-destination tables and spatial data at various geographic levels. The datasets are available in two versions: the first covering 2020-2021, including COVID-19 data, and the second, launched in 2024, offering enhanced spatial resolution and additional sociodemographic variables. The datasets are unprecedented in their scope and detail, with the second version exceeding 200 GB and continuously updated.
Despite their potential, the datasets have seen limited application in research, primarily focusing on COVID-19 and epidemiology, with few studies exploring other areas such as human mobility prediction and environmental impacts. Citation practices have been inconsistent, hindering reproducibility and limiting the datasets’ broader impact. To address these challenges, the spanishoddata R package was developed, facilitating user-friendly access to the data, improving reproducibility, and ensuring proper citation. The package employs modern data formats like DuckDB and Parquet to streamline data handling, significantly reducing the time researchers spend on data preparation. With over 2200 downloads recorded, the package is poised to support a diverse range of research applications, thereby enhancing the utility of the Spanish Open Mobility Big Data for both public and private sector initiatives.