关于征求行业标准《交通运输行业高质量数据集建设导则（征求意见稿）》意见的通知

发布日期：2026-07-27  发布单位：交通运输信息通信及导航标准化技术委员会

信通导标字〔2026〕72号

---

各有关单位：

根据2025年交通运输标准化计划的安排，由中国交通信息科技集团有限公司等单位负责编制的《交通运输行业高质量数据集建设导则》（计划编号：JT 2025-125）交通运输行业标准已完成征求意见稿。按照有关规定，现公开征求意见。请研究提出修改意见，并于2026年8月28日前反馈至起草组。逾期视为无意见。如有对技术指标的重大意见，请说明论据或提出技术经济论证。

联系人：姚兰

电话：18601233175

传真：010-65293914

电子邮箱：yaolanbest@qq.com

交通运输信息通信及导航标准化技术委员会

2026 年 7 月 27 日

 

交通运输行业高质量数据集建设导则-编制说明

标准起草组
2026 年 7 月

目 录
一、工作简况
二、标准编制原则和确定标准主要内容的依据
三、技术经济论证或预期的经济效果
四、与国际、国外同类标准水平的对比情况
五、与有关法律、法规及相关标准的关系
六、重大分歧意见的处理经过和依据
七、涉及专利的有关说明
八、标准过渡期的建议
九、其他应予说明的事项

一、工作简况

（一）任务来源
根据《交通运输部关于下达2025年交通运输标准化计划（第三批）的通知》（交科技函〔2025〕798号）安排，制定《交通运输行业高质量数据集建设导则》，计划编号为JT 2025-125。本标准由交通运输信息通信及导航标准化技术委员会（以下简称标委会）提出并归口管理，中国交通信息科技集团有限公司牵头承担编制工作。

（二）编制背景

随着交通运输行业数字化转型深入推进，各类业务系统积累了海量数据资源，但数据质量参差不齐、标准不统一、共享流通不畅等问题日益突出。高质量数据集作为数据要素价值释放的基础载体，其规范化建设已成为行业亟需解决的关键课题。当前，行业主数据库及核心数据资源库持续完善，交通运输数据的汇聚、融合、流动与应用场景大幅增加，但数据供给能力与质量保障水平亟待提升，构建高质量数据集对于夯实行业数据基础、促进数据高效流通具有重要意义。

党的十九届四中全会明确数据为新型生产要素后，国家层面密集出台政策文件，推动数据要素规范化流通与高效开发利用。2025年，国家数据局印发《构建数据基础制度更好发挥数据要素作用2025年工作要点》，并发布九个领域“数据要素×”典型场景指引，推动数据要素与多要素协同发力。同年，国家发展改革委等部门印发《关于完善数据流通安全治理 更好促进数据要素市场化价值化的实施方案》（发改数据〔2025〕18号）、《公共数据资源登记管理暂行办法》（发改数据规〔2025〕26号），为数据流通安全与公共数据资源管理提供制度保障。在高质量数据集建设核心领域，2025年8月国家数据局正式印发《高质量数据集建设指引》，配套发布建设指南、格式要求、分类指南、质量评测规范四项核心技术文件，同步启动标准验证试点、先行先试及典型案例征集工作，完成首轮标准落地验证，形成标准化建设流程与行业应用模板。2025年底，五项技术文件启动国家标准立项工作，2026年陆续形成征求意见稿， 标准体系持续迭代完善。交通运输部积极响应，于2025年印发《交通运输行业高质量数据集建设方案》及《关于加快交通运输公共数据资源开发利用的实施意见》（交科技发〔2025〕120号），明确行业高质量数据集建设的目标、任务与路径。截至2026年6月，依托国家数据集管理服务平台，整套数据集建设标准体系已全面落地，交通、工业等重点行业均完成首批标准化高质量数据集建设，数据常态化评测、规范化入库、场景化赋能的发展格局基本成型。

当前，我国交通运输行业数据规模与增速迅猛增长，构建超大规模行业高质量数据集的条件已具备。然而，行业数据集建设仍面临标准不统一、质量参差不齐、流通共享不畅等问题，数据供方“不愿、不敢、不想”的困局依然存在。数据流通安全是破解这一困局的关键，而高质量数据集的建设则是释放数据要素价值的基础。随着国家信息平台部省联动深化与行业数字化转型加速， 制定《交通运输行业高质量数据集建设导则》，明确数据集建设的总体要求、分类分级、技术规范、质量评价与安全管理等内容，对于规范行业高质量数据集建设、促进数据要素合规高效流通、支撑智慧交通高质量发展具有重要意义。

（三）主要工作过程

1.起草阶段
2025 年 12 月 19 日，正式成立标准起草组；召开第一次编制工作会议；起草工作大纲。
2026年1月～3月，中国交通信息科技集团有限公司项目人员开展国内外文件收集和资料整理，分析研究国内外高质量数据集建设工作与政策法规、数据流通安全标准工作情况等相关内容，为研究起草标准内容奠定基础；同步向各级交通运输部门、其他相关部委、行业科研机构和高校、运输企业、研究机构等单位进行摸底调研，组织多次技术研讨会，围绕数据集建设中的关键环节开展技术研讨。了解相关现状、问题等基本信息；编写调研报告；完成标准草案。
2026年4月，召开第二次编制工作会议，起草组集体讨论标准草案；组织召开中期咨询会，与有关技术支持单位进行交流，了解部高质量数据集建设有关政策最新动向。形成了标准征求意见稿初稿。
2026年4月，组织主审专家初审会议，针对标准征求意见稿提出修改建议和讨论修改方案，起草组进一步优化标准内容。
2026年5月，标准征求意见稿初稿提交标委会秘书处，经标委会秘书处审核、校对，对相关问题再次修改完善，形成正式的征求意见稿。

（四）标准编制起草单位、起草人员及其所做的具体工作

本标准起草单位有：中国交通信息科技集团有限公司、交通运输部规划研究院、中国交通通信信息中心、上海库帕思科技有限公司、深城交科技集团股份有限公司、人民交通出版社股份有限公司、中交星宇科技有限公司、支付宝（杭州）数字服务技术有限公司、北京百度网讯科技有限公司。本标准主要起草人及任务分工见表1。

二、标准编制原则和确定标准主要内容的依据

（一）编制原则

1. 规范严谨性原则
严格按照 GB/T 1.1—2020《标准化工作导则 第 1 部分：标准化文件的结构和起草规则》编写内容与格式、专业术语的编写要求，与 GB/T 41867《信息技术 人工智能 术语》、GB/T XXXXX《高质量数据集 格式要求》等现行国家标准保持术语体系统一，确保内容表达准确、条文措词精准、逻辑清晰严谨，结合交通运输行业公路、水路、铁路、民航、邮政、城市交通等多领域数据集建设实际调研情况，确保标准的规范性、权威性与可执行性。

2. 协调兼容性原则

标准严格遵循《中华人民共和国数据安全法》、GB/T 41867、JT/T 1522《交通运输数据安全分级和保护要求》、TC609-5-2025-01《高质量数据集 建设指南》等现行国家法律法规、标准、行业标准，确保术语定义、技术要求、安全规范与上位要求相协调，实现与交通运输行业现有业务信息系统、平台的无缝衔接，兼容行业现行的数据编码、格式规范、接口标准与安全管控要求， 最大化复用行业现有数据资源与基础设施，避免重复建设，保障标准落地的平滑性与经济性。

3. 科学先进性原则

标准内容基于人工智能、大数据领域的现代科技成果与交通运输行业数据集建设先进经验，核心技术要求与建设流程经行业多场景试点实践与严格科学验证，充分贴合交通运输行业不同场景高质量数据集建设的实际需求，可有效支撑交通运输行业人工智能模型开发、训练与评测全流程应用。

4. 实用导向性原则

标准紧密结合我国交通运输行业数据资源建设现状与人工智能技术落地应用的实际需求，聚焦行业基础设施、交通装备、运输服务、行业治理、绿色低碳、安全保障等重点领域数据集建设痛点，服务于交通运输行业高质量数据集全生命周期建设体系构建与落地应用，全面提升行业数据资源标准化、规模化、高价值化应用水平，赋能行业数字化转型与智能化升级。

5. 全面适用性原则

标准内容明确交通运输行业高质量数据集建设的总体原则与全流程技术要求，覆盖数据采集、预处理、标注、评测、发布全生命周期环节，针对行业通识与专识、不同业务领域、不同数据模态、不同模型应用阶段的建设需求，提出通用化建设规范与差异化实施指引，相关技术要求均参照当前行业主流的数据治理、智能标注、质量评测技术，兼具行业普适性与技术先进性。

（二）确定标准主要内容的依据

1. 范围

明确了本标准的主要内容及适用范围。依据《国家数据基础设施建设指引》（发改数据〔2024〕1853 号）、《“数据要素 ×” 三年行动计划（2024— 2026 年）》（国数政策〔2023〕11 号）和《国家数据标准体系建设指南》（发改数据〔2024〕1426 号），高质量数据集建设的要求，结合交通运输行高质量数据集应用场景，本标准规定了交通运输行业高质量数据集建设的总体要求、建设流程以及安全与质量要求。本标准适用于交通运输行业管理部门、企事业单位、高等院校、科研机构、第三方服务机构及社会组织开展重点领域高质量数据集的建设。

2. 规范性引用文件

规范性引用文件与本标准中的规范性技术要素具有同等效力。本标准规范性引用了多项国家和行业标准，主要有：
GB/T 4754 国民经济行业分类
GB/T 35274 数据安全技术 大数据服务安全能力要求
GB/T 35295 信息技术 大数据 术语
GB/T 37988 信息安全技术 数据安全能力成熟度模型
GB/T 41867 信息技术 人工智能 术语
JT/T 1522 交通运输数据安全分级和保护要求

3. 术语和定义

为便于本标准的阅读和理解， 在引用GB/T 35274 、GB/T 35295 、GB/T 41867界定的术语和定义之外，本标准还定义了交通运输行业高质量数据集、元数据及数据标注3个术语。

“交通运输行业高质量数据集”的术语定义主要是参考《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》以及国家数据局发布的TC609-5-2025-01，将其定义为：结合交通运输行业人工智能模型开发、训练等需求，经过系统化采集、标准化加工、专业化标注等 数据治理过程形成的，具备完整性、准确性、一致性、多样性等质量特征，可直接用于模型训练与应用的数据集合。

“元数据”的术语定义主要是参考 GB/T 18391.1《信息技术 元数据注册系统（MDR）第 1 部分：框架》以及国家数据局发布的 GB/T XXXXX《高质量数据集 格式要求》，将其定义为：描述数据信息资源特征的数据，以及关于数据所有权、存取路径、访问权限和数据易变性的数据。

“数据标注”的术语定义主要是参考 GB/T 42755《人工智能 面向机器学习的数据标注规程》，将其定义为：给数据样本指定目标变量和赋值的过程。

4. 缩略语

从规范本标准缩略语的要求角度，采用国际通用缩写及专用缩写，给出了“AIS”“BIM”和“CNN”等缩略语，确保文档表述的简洁性和一致性。

5. 总体要求

参考《国务院关于深入实施“人工智能+”行动的意见》以及《交通运输部 国家发展改革委 工业和信息化部 国家数据局 国家铁路局 中国民用航空局国家邮政局关于“人工智能+交通运输”的实施意见》，并结合交通运输的业务特点，规定了总体要求的内容。

6. 建设流程

6.1 流程框架
参考TC609-5-2025-01等标准，围绕数据采集、数据预处理、数据标注、数据质量评测、数据集发布等方面，规定了交通运输行业高质量数据集总体建设流程。

6.2 数据集分类与构成
6.2.1 条为数据集分类与编码，参考《交通运输行业高质量数据集建设方案》及TC609-5-2025《高质量数据集》系列标准，规定了数据集依照知识领域覆盖范围、业务领域、数据模态、模型阶段的原则进行分类和编码的原则要求。
6.2.1.1 条为知识覆盖范围分类，参考GB/T XXXXX《高质量数据集 分类指南》，规定了围绕知识领域覆盖范围的数据集分类原则。
6.2.1.2 条为行业通识数据集分类，参考《交通运输行业高质量数据集建设方案》及JT/T 1058《交通运输信息系统 数据库字段命名及属性定义》和GB/T 4754《国民经济行业分类》，规定了围绕行业通识的数据集分类方法与编码规则。
6.2.1.3 条为行业专识数据集分类，参考《交通运输行业高质量数据集建设方案》及JT/T 1058《交通运输信息系统 数据库字段命名及属性定义》，规定了围绕行业专识的数据集分类方法与编码规则。
6.2.1.4 条为业务主题分类，参考《交通运输行业高质量数据集建设方案》及JT/T 1058—2026《交通运输信息系统 数据库字段命名及属性定义》和GB/T 4754-2017《国民经济行业分类》，并结合交通运输行业特征业务数据情况，规定了围绕业务领域的数据集分类方法与编码规则。

6.2.1.5 条为数据模态分类，参考GB/T XXXXX《高质量数据集 分类指南》， 规定了围绕数据模态类型的数据集分类原则。
6.2.1.6 条为模型阶段分类，参考TC609-5-2025-01、GB/T XXXXX《高质量数据集 分类指南》，规定了围绕模型训练阶段的数据集分类原则。
6.2.2 条为数据集命名规则，参考 JT/T 1058—2026《交通运输信息系统 数据库字段命名及属性定义》、JT/T 747.5—2020《交通运输信息资源目录体系第 5 部分：标识符编码规则》、GB/T XXXXX《高质量数据集 格式要求》、GB/T XXXXX《高质量数据集 分类指南》，规定了覆盖知识领域覆盖范围、行业、模态、数据集标识符、训练阶段及数据集简称信息的数据及编码和命名规则。
6.2.3 条为数据集构成，参考GB/T 45288《人工智能 大模型》系列标准、JT/T 747《交通运输信息资源目录体系》系列标准及TC609-5-2025系列技术文件，规定了包含元数据、内容、说明文档的数据集构成。
6.2.3.1 条为数据集元数据，参考JT/T 747. 3—2020《交通运输信息资源目录体系 第3部分：核心元数据》、GB/T XXXXX《高质量数据集 格式要求》，规定了5个数据集元数据的实体内容。
6.2.3.2 条为数据集内容，参考GB/T 45288.1《人工智能 大模型 第1部分： 通用要求》、GB/T 45288.2《人工智能 大模型 第2部分：评测指标与方法》、GB/T XXXXX《高质量数据集 格式要求》、GB/T XXXXX《高质量数据集 质量评测规范》，规定了以训练集、 验证集和测试集为划分的数据集内容。
6.2.3.3 条为说明文档，参考GB/T XXXXX《高质量数据集 质量评测规范》， 规定了数据集说明文档的相关要求。

6.3 数据采集

6.3.1 条为数据规划，参考 TC609-5-2025-01、GB/T XXXXX《高质量数据集 分类指南》、JT/T 697《交通信息基础数据元》系列标准以及交通运输行业高质量数据集建设需求，规定了数据集目标明确、数据来源梳理及数据架构设计等数据规划要求。
6.3.1.1 条为数据集目标确定，依据 TC609-5-2025-01 中数据规划阶段要求， 并结合交通运输行业模型训练需求，明确应根据模型用途、训练方法及应用场景，界定任务类型、数据类型及组织方式，确保数据集建设目标与模型能力需求一致。

6.3.1.2 条为数据来源规划，参考 TC609-5-2025-01、JT/T 1415《交通运输数据资源交换与共享》系列标准以及交通运输行业多源数据特点，规定应梳理政府与行业权威数据、交通运营企业数据、物联网与感知设施数据、互联网与商业数据、仿真与合成数据及政策标准与图书论文等知识类数据来源，并构建数据来源清单与获取路径。

6.3.1.3 条为数据架构设计，依据 TC609-5-2025-01 及 JT/T 697 系列标准， 规定应围绕数据需求与来源建立统一数据资源目录与数据规范体系，确保数据组织结构统一、可管理与可扩展。
6.3.2 条为采集工作量评估，参考 TC609-5-2025-01 及交通运输行业数据工程实施要求，规定了交通运输行业高质量数据采集工作量评估方法，明确应从已有数据利用、外部采购、数据转化及接口建设等方面评估采集规模、实施周期及成本，并结合视频流、实时信号及多模态数据等不同类型数据的存储与传输需求制定资源分配与优先级策略。

6.3.3 条为数据采集实施，参考 TC609-5-2025-01、JT/T 1415 系列标准、JT/T 1534《国家综合交通运输信息平台视频资源接入技术要求》及交通运输行业数据采集相关规范，并结合交通运输行业多源异构数据特点，规定了数据采集方式及不同来源数据的采集要求。

6.3.3.1 条为通用采集要求， 参考 TC609-5-2025-01 、JT/T 1522 及 GB/T 43697《数据安全技术 数据分类分级规则》，规定数据采集可通过自有数据加工、外网汇聚、行业共建共享及依法采购等方式开展，并从安全性、时效性、数据质量、可扩展性及成本控制等方面提出数据采集技术要求。

6.3.3.2 条为不同来源数据采集要求，参考 JT/T 1415 系列标准、JT/T 1534 及 GB/T 35273《个人信息安全规范》，规定应针对文本数据、图像数据、音频数据、视频数据、雷达及点云数据、结构化数据、文本与图像多模态数据、文本与音频多模态数据、文本与视频多模态数据、融合类多模态数据、仿真与合成生成数据等多种来源，提出差异化数据采集方式及技术要求，明确多源异构数据统一接入、接口对接、流式采集与批量同步等实施方法。

6.4 数据预处理
6.4.1 条为数据转换，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了文本数据、图像数据、语音数据、视频数据、坐标数据、雷达数据等数据转换宜采取的方法。
6.4.2 条为数据验证，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了文本数据、图像数据、语音数据、视频数据、坐标数据、雷达数据等数据验证宜采取的方法。
6.4.3 条为数据清洗，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了修正错误与缺失数据等数据清洗宜采取的方法。
6.4.4 条为数据聚合，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了两个或多个数据集汇总聚合宜采取的方法。
6.4.5 条为数据抽样，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了文本、图像、语音、视频、坐标、雷达、信号控制等数据抽样宜采取的方法。
6.4.6 条为特征创建，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了文本、图像、语音、视频、坐标、雷达、信号控制等数据特征创建宜采取的方法。
6.4.7 条为数据增强，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了文本、图像、语音、视频、坐标、雷达等数据增强宜采取的方法。
6.4.8 条为数据融合，参考 TC609-5-2025-01，并结合交通运输行业高质量数据集建设的实际需求，规定了多源异构数据进行数据融合宜采取的方法。

6.5 数据标注
6.5.1 条为明确标注需求，依据 GB/T 42755《人工智能 面向机器学习的数据标注规程》 数据标注前期准备要求，参考 JT/T 1522制定，规定了标注用途与对象的确定应回溯至模型设计目标，基于任务模式、工具与成本预估数据量； 以及对重要数据、敏感信息开展安全审核，对个人信息去标识化和匿名化处理， 并对接 JT/T 1522 及《中华人民共和国个人信息保护法》合规要求。

6.5.2 条为制定标注规则，依据 GB/T 42755 任务执行框架，从数据模态与任务类型两个维度定义标注规则，任务类型划分为检测、分类、分割、跟踪、预测、信息抽取、生成共7类，覆盖行业人工智能应用主要需求。
6.5.3 条为分配标注任务，依据 GB/T 42755 标注人员管理要求制定，规定要求标注人员具备交通运输行业基础知识、建立技能矩阵并动态调整、明确过程监测指标、并实行交叉验证并对标注平台实施安全管理，对接 JT/T 1522 要求。
6.5.4 条为实施标注任务，依据 GB/T 42755 任务执行要求，明确”机器预标注+人工审核”与”人工主标注+机器辅助”两种模式，并对预标注模型提出性能验证与退化监测要求；明确了结构化数据标注应覆盖时空特征、交通事件、设施状态等行业核心要素；明确了单模态数据按任务类型标注；规定了多模态数据实施联合标注、构建跨模态关联关系。
6.5.5 条为质量控制，依据 GB/T 42755 质量控制要求，参考 GB/T 36344
《信息技术 数据质量评价指标》数据质量评价指标框架制定。本条要求根据质量、成本与进度制定组合式策略，可通过多人验证、埋题验证、以及自动化验证的方式进行。
6.5.6 条为质量检查，依据GB/T 36344 数据质量评价指标框架并参考 GB/T
2828.1 《计数抽样检验程序 第1部分：按接收质量限（AQL）检索的逐批检验抽样计划》抽样检验标准的通行做法制定。本条将质量检查划分为逐条检查、按比例抽查、抽样检验三类，并明确适用场景。同时规定当检查结果低于测标指标预期时应重新标注，确保质量问题可兜底处理。
6.5.7 条为反馈修正，依据 GB/T 42755标注迭代优化要求制定，规定对问题进行分类统计；对接 GB/T XXXXX《高质量数据集 质量评测规范》 要求逐条记录原始标注人员、纠正人员、原始与纠正内容及时间等信息，确保全过程可追溯；并建立双重校验机制，未通过复核的启动二次修正。

6.6 数据质量评测
6.6.1 条为文档完整性，结合高质量数据集在人工智能模型训练中对可追溯性、可复现性的实际需求，规定了数据集应具备基础信息完整性、内容特征完整性、建设过程完整性、应用说明完整性，确保数据集配套文档的规范性和完整性。
6.6.2 条为质量符合性，参考GB/T 37988、JT/T 1522等标准，结合交通运输行业多源异构数据的特点，从数据完整性、现时性、安全性、内容一致性四个维度提出质量合规性要求，确保数据集在采集、存储、标注等环节满足行业标准和业务需求。
6.6.3 条为场景适用性，参考GB/T 41867中关于模型训练数据质量的相关概念，结合交通运输典型应用场景（如路面病害检测、交通事件识别、客流预测等），从内容多样性、数据均衡性、标注准确性、规模完整性、模型适配性五个方面提出场景适用性要求，确保数据集能够有效支撑人工智能模型的训练与评估。

6.7 数据集发布
6.7.1 条为数据集封装，参考TC609系列技术文件，结合交通运输行业数据流通的实际需求，规定了数据集封装的基本要求。6.7.1.1条为数据集配置，根据预训练、后训练、评测等不同类型数据集在模型生命周期中的不同用途，明确了各类数据子集的配置策略；6.7.1.2条为数据标准化与安全预处理，规定了数据格式统一、加密存储及版本标识等要求；6.7.1.3条为产品化封装，提出了实时服务接口、离线数据包、在线数据平台等封装形态；及与知识图谱结合的相关要求；6.7.1.4条为版本管理，采用“主版本号.次版本号.修订号”规则，确保数据产品与文档版本对应、变更可追溯。
6.7.2 条为数据集流通，依据《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》《“数据要素×”三年行动计划（2024—2026年）》等政策文件，参考JT/T 1415系列标准，结合交通运输行业数据分级分类管理要求，规定了数据开放共享、数据交易、定向共享与协同、可信数据空间数据流通等流通方式，明确了各方式下的安全要求和适用范围。
6.7.3 条为数据集运营，依据《交通运输政务数据共享管理办法》（交科技发〔2021〕33号）等文件，参考GB/T 36073—2018《数据管理能力成熟度评估模型》，结合高质量数据集持续更新、迭代优化的实际需求，规定了组织管理、更新与维护等运营要求，确保数据集在发布后的长期可用性和价值延续。

7. 安全与质量要求

7.1 条为数据安全与合规处理，依据《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》《数据出境安全评估办法》等法律法规，参考JT/T 1522、GB/T 37988等标准，结合交通运输行业数据集建设全生命周期安全管理需求，规定了数据来源合法性、敏感数据差异化加密存储与脱敏处理、数据投毒防范、基于角色的访问控制、版权数据合规处理、数据出镜安全评估及合规审计等要求。特别增加了对图书、论文等受版权保护数据的合规处理要求， 明确应依法取得授权并进行版权标识与存证；同时强调应充分利用隐私计算、区块链等技术实现数据“可用不可见”，为数据共享和开放提供分类分级、数据水印、数据脱敏等安全防护能力，确保高质量数据集在建设、流通、使用全过程中的安全可控、可追溯。

7.2 条为建设质量控制与持续运维，依据《中华人民共和国数据安全法》等法律法规，参考JT/T 1522的规定，规范了数据集全生命周期质量管控与运维管理工作。建设阶段明确过程自查、问题闭环、档案留存三项要求：在数据采集、预处理、标注、评测、发布等关键环节设置阶段性质量检查节点并形成检查记录；对自查、评测或使用反馈中发现的问题建立整改台账，实行问题发现、整改、验证、归档的闭环管理，对系统性或重复性问题开展根因分析并制定预防措施；全过程留存完整档案记录，保存期限不宜少于5年，涉及重要数据或核心业务的档案永久保存。运维阶段确立迭代更新、用户反馈与服务、退役管理机制：根据业务需求变化、技术发展及使用反馈定期评估与迭代更新，记录更新原因、范围及影响评估；建立用户反馈渠道并及时响应处理；数据集退役时按规定进行数据归档、迁移或安全销毁，涉及重要数据或敏感信息的退役遵循JT/T 1522相关要求。通过全流程标准化管控与常态化运维，切实保障数据质量、可用性与安全性。

三、技术经济论证或预期的经济效果

（一）经济效果
本标准是交通运输行业首个针对高质量数据集建设全流程的专项指导性标准，其制定与实施将为行业人工智能模型训练、智慧交通场景落地、数据要素价值释放提供统一的技术规范与建设指引，具备显著的经济效益，核心体现在以下方面：

一是降低行业数据集建设的制度性成本与重复建设投入。本标准明确了交通运输行业高质量数据集从采集、预处理、标注、评测到发布、安全管控的全流程建设规范，统一了数据集分类编码、命名规则、元数据要求、质量评测指标等核心技术标准，解决了当前行业内数据集建设标准不统一、格式不兼容、技术要求不一致导致的“数据孤岛”问题。通过标准化建设，可有效减少行业内各单位在数据集建设过程中的重复研发、重复测试、格式转换适配等无效投入，大幅降低单个企业、科研机构的数据集建设成本，同时提升跨主体、跨区域、跨场景的数据共享与流通效率，减少数据适配环节的资源消耗。

二是提升交通人工智能模型研发与落地的经济效益。本标准围绕交通运输行业基础设施、运输服务、安全保障、绿色低碳等核心场景，明确了高质量数据集的建设要求与质量基准，为行业大模型、垂直领域智能算法的训练、优化与评测提供了高质量数据底座。通过规范数据集建设流程与质量标准，可有效解决因训练数据质量缺陷导致的模型迭代周期长、泛化能力弱、落地效果差等行业痛点，大幅缩短智能算法从研发到规模化应用的周期，降低模型训练与迭代的试错成本。同时，标准化的高质量数据集可推动路面病害检测、交通流量预测、船舶航行安全监测、枢纽旅客智能服务等场景的智能算法规模化商用， 提升交通基础设施管养、运输服务调度、安全应急处置的效率，减少因病害发现不及时、应急处置滞后、运输调度不合理带来的直接经济损失，为智慧交通产业规模化发展提供核心数据支撑。

三是赋能交通运输数据要素市场化流通，释放数据资产价值。本标准明确了数据集产品化封装、版本管理、流通共享、合规运营的全流程要求，为交通运输行业数据要素的合规流通、市场化交易提供了标准化依据。通过规范数据集建设的合规性、安全性与质量标准，可有效破解数据供方“不愿共享、不敢流通”的核心困局，推动行业数据资源通过开放共享、市场化交易、定向协同等方式实现高效流通，将交通领域海量数据资源转化为可量化、可交易、可增值的数据资产，培育交通数据要素市场新业态，降低数据要素流通的交易成本与合规风险，为交通运输行业数字化转型注入新的经济增长动力。

（二）社会效果
本标准的制定与实施，具备显著的社会价值与行业示范效应，核心体现在以下方面：

一是填补交通运输行业高质量数据集建设标准空白，完善行业数字化标准体系。当前我国数据要素领域相关标准多为通用型规范，针对交通运输行业场景特性、业务需求的高质量数据集建设专项标准尚属空白。本标准结合交通运输行业公路、水路、铁路、民航、城市交通等多领域业务场景，构建了全流程、全要素的数据集建设规范体系，完善了交通运输信息通信及导航领域的标准体系，为行业内各级管理部门、企事业单位、科研机构开展数据集建设工作提供了统一的遵循依据，推动行业数据资源建设的规范化、标准化发展。

二是保障交通运输行业数据安全与合规，守护公众信息安全与行业数据安全。本标准专章明确了数据集建设全生命周期的安全要求，对数据来源合法性、个人信息脱敏匿名化、敏感数据加密保护、数据投毒防范、数据出境合规、版权保护等提出了明确要求，与《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》及交通运输行业数据安全相关标准形成有效衔接。通过标准实施，可规范行业内数据集建设过程中的数据安全管理行为，防范数据泄露、篡改、滥用等安全风险，既保障了公众个人信息安全，也维护了交通运输行业关键数据与国家重要数据安全，为行业数字化发展筑牢安全底线。

三是推动交通运输行业科技创新与产学研用协同发展。本标准明确了交通运输行业高质量数据集的建设规范与质量要求，为高校、科研机构、科技企业、交通运营单位开展协同创新提供了统一的技术底座。标准化的高质量数据集可有效支撑交通领域人工智能、数字孪生、大数据分析等前沿技术的研发与验证， 推动科技创新成果与交通业务场景的深度融合，加快智慧交通技术的成果转化与规模化应用。同时，标准的实施可推动行业内数据资源的共建共享，促进产学研用各方协同合作，培育行业科技创新生态，提升我国交通运输行业数字化、智能化发展的整体水平。

四是提升交通运输行业现代化治理能力，服务交通强国建设。本标准围绕交通强国建设总体要求，聚焦基础设施、运输服务、行业治理、安全保障、绿色低碳等交通强国建设核心领域，规范了相关场景高质量数据集的建设要求，为行业治理数字化、智能化升级提供了数据支撑。通过标准化的数据集建设， 可推动交通运输行业管理从“经验驱动”向“数据驱动”转型，提升行业运行监测、市场监管、应急处置、公共服务的数字化、精准化水平，助力构建现代化综合交通运输体系，为交通强国建设提供坚实的数据要素保障。

四、与国际、国外同类标准水平的对比情况

当前，全球范围内针对人工智能高质量数据集建设的标准规范仍处于快速发展阶段，国际标准化组织及主要发达国家多聚焦于通用型数据质量、人工智能数据规范、数据安全相关标准的制定，针对交通运输垂直行业的高质量数据集建设全流程专项标准尚未形成成熟、统一的体系。

国际层面，ISO/IEC JTC 1/SC 42（人工智能分技术委员会）牵头制定了ISO/IEC 5259 系列《人工智能—分析和机器学习的数据质量》、ISO/IEC 20547《信息技术 大数据 参考架构》等通用型标准，明确了人工智能数据集的基础质量要求与数据标注通用规范，为全球数据集建设提供了基础框架；IEEE 针对智能交通场景发布了 IEEE 2846—2022《自动驾驶系统安全相关模型中的假设标准》等数据相关标准，聚焦特定交通场景的技术要求，但未覆盖交通运输全领域、全场景的数据集建设全流程。欧美等发达国家在智慧交通发展过程中， 多由企业或行业联盟形成细分场景的数据集建设规范，缺乏政府层面主导的、覆盖交通运输全业务领域的行业级数据集建设统一标准。

国内层面，全国数据标准化技术委员会发布了 TC609-5-2025 系列技术文件， 为各行业高质量数据集建设提供了通用框架与基础要求；交通运输行业已发布JT/T 1522、JT/T 1480《交通运输数据脱敏指南》、JT/T 1415 系列标准等数据相关标准，聚焦数据安全、数据交换共享等单一环节，尚未形成覆盖数据集建 设全生命周期、全业务领域的专项行业标准。

本标准在编制过程中，充分对标了 ISO/IEC、IEEE 等国际通用标准的先进理念与核心要求，全面衔接了国内 TC609 系列通用标准与交通运输行业现有数据相关标准，同时深度结合我国交通运输行业的业务特性、场景需求与数字化发展现状，形成了差异化、创新性的行业专项规范，整体技术水平与国际先进标准保持同步，在行业适用性、场景覆盖度、流程完整性上具备显著优势，填补了交通运输行业高质量数据集建设专项标准的空白。

一是实现了交通运输全业务领域的全覆盖，行业适配性显著优于国际通用标准。本标准突破了国际标准多聚焦自动驾驶单一交通场景的局限，全面覆盖公路、水路、铁路、民航、邮政、城市交通等交通运输全方式，划分了基础设施、交通装备、运输服务、行业治理、绿色低碳、安全保障、科技创新 7 大业务领域，针对不同业务场景的数据集建设提出了差异化要求，更贴合我国综合交通运输体系发展的实际需求。

二是构建了数据集建设全生命周期的闭环规范体系，流程完整性远超现有相关标准。本标准从总体要求、分类及构成、数据采集、预处理、标注、评测、发布到安全要求，构建了“采集-治理-标注-评测-发布-共享-应用”全生命周期的完整规范体系，解决了现有国际、国内标准多聚焦单一环节、缺乏全流程统筹规范的问题，为行业提供了可落地、可执行的全流程建设指引。

三是形成了标准化的分类编码与命名规则，具备更强的实操性与通用性。本标准针对交通运输行业特性，设计了知识领域、业务领域、数据模态、模型阶段的四维分类编码体系，明确了统一的数据集命名规则与元数据要求，解决了行业内数据集分类不统一、命名不规范、跨主体不兼容的痛点，相比国际通用标准，更具备行业实操性，可有效支撑行业数据的跨主体共享与流通。

四是配套了丰富的行业场景建设案例，可落地性显著提升。本标准通过附录形式，补充了公路路面病害检测、道路运维、海上风电海底电缆安全监测、综合交通枢纽旅客智能服务等典型场景的高质量数据集建设案例，将通用技术要求与行业实际场景深度结合，为行业各单位开展数据集建设提供了可直接参考的实操范本，这是现有国际、国内同类标准均未覆盖的内容，大幅提升了标准的落地性与指导性。

五、与有关法律、法规及相关标准的关系

本标准在编制过程中，充分研究了国家现行相关法律、法规、规章，以及国家、行业现行有效标准，严格遵循相关法律法规要求，与现行国家标准、行业标准保持充分协调、有效衔接，无内容冲突与合规性矛盾。

（一）与现行相关法律法规规章的协调性

本标准的编制严格遵循国家现行法律、行政法规与部门规章的核心要求， 相关条款设计全面落实上位法规定，具备充分的合规依据，核心对应关系如下：

一是严格遵循数据领域核心上位法要求。本标准全面落实《中华人民共和国数据安全法》《中华人民共和国网络安全法》《中华人民共和国个人信息保护法》《关键信息基础设施安全保护条例》中关于数据全生命周期安全管理、个人信息保护、数据分类分级管理、数据安全合规审计等核心要求，在标准中专门设置安全要求章节，对数据集建设全流程的安全管控、个人信息脱敏匿名化、敏感数据加密保护、数据出境合规、版权保护等作出明确规定，与上位法要求形成全面衔接。

二是全面对接国家数据要素市场化相关政策要求。本标准紧扣《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》《“数据要素×” 三年行动计划（2024-2026 年）》《关于构建更加完善的要素市场化配置体制机制的意见》等国家政策文件中关于培育数据要素市场、规范数据要素流通、提升数据要素质量的核心部署，明确了交通运输行业高质量数据集的建设规范、产品化封装要求与流通运营规则，为交通运输行业数据要素合规高效流通提供了标准支撑，与国家数据要素发展战略保持高度一致。

三是充分契合交通运输行业发展相关法规与政策要求。本标准严格遵循《中华人民共和国公路法》《中华人民共和国港口法》《中华人民共和国铁路法》《中华人民共和国民用航空法》等交通运输行业专项法律，以及《交通强国建设纲要》《国家综合立体交通网规划纲要》等政策文件中关于交通运输数字化、智能化发展的总体要求，聚焦交通基础设施建管养运、运输服务提质升级、行业治理现代化、安全生产保障等核心业务，规范相关场景高质量数据集建设要求，为交通强国建设提供数据标准支撑，与交通运输行业发展顶层设计全面契合。

四是有效衔接政务数据共享与开放相关管理规定。本标准落实《交通运输政务数据共享管理办法》《政务信息资源共享管理暂行办法》等规章要求，在数据发布章节明确了数据集分级分类开放共享、定向协同共享的相关要求，与交通运输行业政务数据共享管理体系形成有效衔接，为行业政务数据资源的标准化治理与合规共享提供了规范依据。

（二）与现行标准的协调性

本标准的技术要求与国内信息安全、大数据、人工智能、交通运输数据管理领域现行有效标准保持高度一致，无技术冲突，同时针对交通运输行业高质量数据集建设场景进行了细化与补充，形成了“通用标准为基础、行业专项为补充”的协调体系，核心衔接关系如下：
1. 规范性引用文件的全面衔接
本标准规范性引用了 11 项现行有效国家及行业标准、技术文件，包括GB/T 35274、GB/T 35295、GB/T 41867、JT/T 1522 以及 TC609-5-2025 系列。
本标准中关于术语定义、数据安全要求、数据质量评测、数据集分类等核心条款，均与上述引用标准保持一致，相关技术要求在引用标准基础上，结合交通运输行业特性进行了细化与落地，确保标准体系的统一性与协调性。
2. 与人工智能、大数据领域通用国家标准的协调性
本标准全面衔接 GB/T 37988、GB/T 43697、GB/T 22239《信息安全技术网络安全等级保护基本要求》、GB/T 35273 等国家标准，在数据分类分级、数据安全管控、个人信息保护、数据全生命周期管理等方面，严格遵循上述国家标准的通用要求，同时针对交通运输行业数据集建设的特定场景，提出了更具针对性的实施要求，是通用国家标准在交通运输垂直领域的细化落地与行业延伸。
3. 与交通运输行业现行数据相关标准的协调性
本标准与 JT/T 1415 系列标准、JT/T 697 系列标准、JT/T 1480、JT/T 1534 等行业现行标准保持充分协调。上述标准为交通运输行业数据元、数据交换共享、数据脱敏、视频数据接入等提供了基础规范，本标准在数据集建设的采集、预处理、数据格式规范等环节，全面沿用了上述行业标准的核心要求，确保与交通运输行业现有数据标准体系的兼容性与一致性，避免重复建设与标准冲突。同时，本标准填补了现有行业标准在高质量数据集全流程建设、分类编码、标注规范、质量评测等方面的空白，与现有行业标准形成互补，共同完善了交通运输行业数据领域标准体系。
4. 与其他相关领域标准的协调性
本标准在场景化建设要求中，衔接了公路工程、水运工程、海上风电、综合交通枢纽等领域的现行技术标准，如 JTG 5210-2018《公路技术状况评定标准》、NB/T 11299-2023《海上风电场工程光纤复合海底电缆在线监测系统设计规范》等，确保标准中相关场景的数据集建设要求与对应领域的技术规范、评定标准保持一致，保障数据集建设与行业实际业务需求的深度契合，提升标准的落地性与实操性。

六、重大分歧意见的处理经过和依据
截至目前，本标准在编制过程中，未出现重大分歧意见。

七、涉及专利的有关说明
在本标准编制过程中，暂未接到任何涉及相关专利或知识产权争议的信息、文件。

八、标准过渡期的建议

为确保本标准平稳落地、有效实施，结合实际执行需求，提出以下过渡期建议：
（一）过渡期时长设定
考虑到数据集建设涉及数据采集、预处理、标注、评测、发布等多个环节， 各单位需按本标准要求完善相关技术流程和管理制度，预计耗时 6 个月；同时
需预留 3 个月用于标准宣贯培训，确保相关主体准确理解标准要求；另预留 3
个月用于各单位试点应用和问题反馈。建议本标准发布后设置 12 个月过渡期， 期满后正式实施。
（二）过渡期配套措施
标准发布后，建议主管部门牵头组织多形式宣贯培训。通过线上线下结合、分层分类覆盖的方式，面向相关单位、网络平台运营者等开展解读，推动各方全面掌握标准要求。同时强化贯彻落实的引导与监督，充分发挥本标准的规范引领作用。建议选择 3-5 家具有代表性的单位开展标准试点应用，总结实践经

验，形成典型案例，为标准全面推广提供参考。过渡期结束后，建议对标准实施情况进行评估，收集各方反馈意见，为后续标准修订完善提供依据。

九、其他应予说明的事项
（一）废止现行有关标准的建议
本标准为新制定的标准，无废止现行的有关标准。
（二）公平竞争审查结论的有关说明
根据部有关规定及《公平竞争审查条例实施办法》要求进行公平竞争审查说明如下：本标准为行业标准，旨在规范交通运输行业高质量数据集建设的技术要求，不涉及市场推入、资质限制或行政垄断内容。本标准内容不含有排除、限制市场竞争的条款，遵循开放、透明、非歧视原则，避免对特定企业、技术路径或区域形成不合理限制。本标准符合《中华人民共和国标准化法》《中华人民共和国反垄断法》相关规定，内容不涉及行政垄断或市场分割。技术条款与现有国家标准、行业标准兼容，支持主流数据格式和处理技术，未形成技术壁垒。

交通运输行业高质量数据集建设导则-征求意见稿核心内容

交通运输行业高质量数据集high-quality dataset for the transportation industry：结合交通运输行业人工智能模型开发、训练等需求，经过系统化采集、标准化加工、专业化标注等数据治理过程形成的，具备完整性、准确性、一致性、多样性等质量特征，可直接用于模型训练与应用的数据集合。

5 总体要求

建设单位宜统筹公路、水路、轨道交通、城市交通等多领域数据，宜构建“采集-治理-标注-评测-发布-共享-应用”全生命周期体系，推动数据资源实现标准化、规模化、高质量、高可用。交通运输行业高质量数据集（以下简称数据集）建设工作遵循以下要求：

a) 应围绕行业实际需求，优先覆盖基础设施、运输服务、安全保障、绿色低碳等关键场景，保障数据集内容多样、规模完整、数据标注（以下简称标注）准确并与目标任务高度适配，提升人工智能大模型训练、智能决策、风险预警等业务应用效能；

b) 宜遵循急用先行、分步建设的原则对数据集持续动态更新、迭代升级，提升长效使用能力；宜配套完整说明文档，确保数据来源可追溯、数据含义可理解、模型效果可复现；

c) 应统一设置数据时空基准、数据编码与存储格式规范，实现一数一源、多源数据归一融合，适配交通运输行业人工智能模型开发、训练使用需求；

d) 应严格落实数据安全、个人信息保护的要求，应对数据集实施分类分级管理，保障整体数据安全可信。

6 建设流程

数据集总体建设流程见图1，实际建设中，视实际场景需要确定各环节的具体方法和要求。

6.2.1 数据集分类与编码

6.2.1.1 知识覆盖范围分类
数据集按照知识覆盖范围，应分为行业通识数据集和行业专识数据集。行业通识数据集主要依据交通运输行业共性知识、基础规则和通用能力需求进行划分；行业专识数据集主要依据具体行业领域、业务场景、专业任务和组织应用需求进行划分。编码应符合附录E中表E.1的要求，采用1位字母码表示。

6.2.1.2 行业通识数据集分类
行业通识数据集按照知识主题进行分类，应包括政策法规、标准规范、术语定义、基础知识、公共服务知识、行业统计资料、通用技术资料等类型。编码应符合表E.2的要求，采用2位字母码表示。

6.2.1.3 行业专识数据集分类
行业专识数据集主要包括在铁路、公路、水路、民航、管道运输、多式联运、仓储邮政、综合交通等领域业务活动中产生和积累的专业知识、业务数据、案例数据、运行监测数据、工程技术数据、管理服务数据等内容。

行业专识数据集应按照所属行业领域进行分类，分类依据应按照GB/T 4754 的要求，并结合交通运输行业管理实际确定。编码应符合表E.3 的要求，采用2 位字母码表示。

附录 A (资料性) 道路运维高质量数据集建设案例

A.1 数据类型

A.1.1 设施状态数据

设施状态数据记录道路基础设施的物理状况与性能表现，是运维决策的核心依据：

a) 表观检查数据通过图像、视频等形式记录路面裂缝、坑槽等病害信息，配合检查报告形成初步状况评估；

b) 无损检测数据利用雷达、声波等技术获取道路内部状况，提供结构完整性信息；

c) 传感器监测数据实时采集振动、应变等结构响应参数，以及交通荷载、环境温度等运行环境数据；

d) 人工检测数据则由专业人员通过定期检查形成技术状况评定与维修建议，共同构成多层次的设施状态监测体系。

A.1.2 处置过程数据

处置过程数据完整记录运维作业从发起至结束的全流程信息：

a) 任务发起阶段包含工单、报警信息等初始数据；

b) 规划阶段涵盖维修方案、施工组织设计等技术文件；

c) 资源准备阶段明确材料、设备及人员安排；

d) 执行阶段的过程记录与质量检验数据确保施工过程可追溯、质量可控制；

e) 结束阶段的验收资料与经验总结则为后续运维提供参考依据，形成完整的处置闭环。

A.1.3 环境关联数据

环境关联数据反映道路设施所处的外部环境条件：

a) 气象数据包括降水、温度、风况等参数，直接影响路面材料性能与结构行为；

b) 水文数据针对桥隧等涉水设施，记录水位、流速及冲刷情况；

c) 地质与地形数据提供基础地质条件与地形特征信息；

d) 交通荷载数据通过连续监测获取交通量、轴载等运行荷载参数；

e) 周边环境数据则关注土地利用、振动源等外部影响因素，共同构成环境影响的完整画像。

A.1.4 其他辅助数据

其他辅助数据为运维管理提供支撑保障：

a) 管理类数据包括组织架构、人员信息、资产财务等管理要素；

b) 应急类数据涵盖应急预案、演练记录、案例库等应急资源；

c) 知识类数据整合技术文献、经验总结、培训资料等知识资产；

d) 衍生类数据则包含分析报告、预测结果、可视化产品等加工成果，共同提升运维管理的系统性与科学性。

A.2 数据采集

A.2.1 多源化数据采集体系

道路运维数据采集体系覆盖物理感知与系统数据等多类来源。

物理层面通过部署符合国家计量标准的物联网设备，包括传感器、无人机及移动巡检终端，实时采集路面病害、结构振动等现场数据。

系统层面从资产管理系统、BIM 运维平台等业务系统中自动抽取工单、维修记录等结构化数据。

此外，整合第三方检测报告与经现场核验的公众反馈信息，形成多源互补的数据汇集机制。

A.2.2 场景化任务与规范化作业

数据采集任务基于道路运维核心场景进行设计，建立覆盖设施状态、处置过程与环境关联等多维度的场景体系。

每一场景明确定义数据需求与采集标准，例如裂缝监测任务要求图像分辨率不低于 200 万像素，并设定风速等环境作业阈值。

采集过程执行标准化作业流程，操作人员需通过资质认证，作业前完成设备校验与环境核查。

采集过程中通过基准站统一空间基准，实现多设备协同与数据实时融合。

现场执行质量自检，对图像清晰度、数据完整性等关键指标进行核查，未达标数据需现场重采。

A.2.3 合成数据生成与质量控制

针对极端场景与稀缺病害样本，采用合成数据技术作为有效补充。

通过物理仿真模拟洪水、重载等对道路设施的影响，利用生成式 AI 技术增强路面病害图像的多样性。

合成数据应用设有明确边界，不应替代安全验算所需的实测数据，并在训练数据集中控制其使用比例。

A.2.4 标准化提交与全流程追溯

数据采集遵循统一标准进行提交与管理，数据以原始格式封装并按规定命名，元数据文件记录全局 ID、采集设备、地理坐标、质量指标与安全等级等关键信息。

数据传输根据安全要求选择专用网络或加密信道，提交后经过格式验证、逻辑合规性检查与哈希校验，确保数据在传输过程中的完整性，形成从采集到提交的全程质量闭环。

A.3 数据处理与标注

A.3.1 多层级数据清洗过程

数据清洗采用分层处理架构，逐级提升数据质量。

a) 基础清洗层负责处理技术性错误，包括剔除重复数据、修复编码问题和统一时间格式，将基础错误率控制在较低水平。

e) 业务清洗层聚焦逻辑一致性处理，修正时间逻辑矛盾、统一计量单位，并基于统计学方法识别异常数值，确保业务逻辑的合理性。

f) 深度清洗层实现多源数据的融合与关联，通过时间同步技术对齐传感器数据与视频记录，并将病害信息关联至具体道路构件，建立完整的数据关联体系。

清洗过程遵循严格的操作规范。对敏感信息实施脱敏处理，人脸车牌信息通过高斯模糊进行不可逆处理，地理坐标按国家标准进行偏移。

针对缺失数据，根据缺失连续性和数据类型分别采用线性插值、EM 算法或基于知识图谱的推理进行填补，确保数据完整性。

A.3.2 标准化标注体系

标注工作按照不同类型的数据特征和应用场景建立标准化标注体系。

结构化标注针对裂缝、设备状态等实体属性，按照行业标准记录位置、尺寸和状态信息，为 AI 模型训练提供精准标签。

语义标注从维修报告、环境记录等文本中抽取关键信息并进行标准化描述，支撑知识图谱的构建。

时空标注将视频帧、传感器数据与地理坐标、BIM 构件进行关联，满足数字孪生应用的需求。

质量控制机制保障标注结果的可靠性。采用多人独立标注与一致性校验机制，确保主观判断的一致性。专家对关键部位数据进行全量审核，对一般数据按比例抽检。

系统内置动态校验功能，标注结果实时与规范库比对，对超出阈值的数据自动告警。

A.3.3 专业化生产工具链

数据集生产依托集成化的工具链实现高效运作。

清洗工具具备大规模数据处理能力，并内置行业规范库，确保清洗过程符合标准要求。

标注平台提供完整的协同工作流程和预标注功能，提升标注效率同时保障数据安全。

质量管控工具实时监控生产进度与质量状况，为过程管理提供可视化支持。

工具链按照标准化规范进行集成，形成协同工作流程。各工具之间通过标准接口进行数据交换和状态同步，确保生产过程的连贯性和可追溯性。

A.3.4 全流程质量评估

数据质量评估从多个维度展开。

准确性通过抽样实测与模型置信度进行验证，确保数据与实际情况相符；一致性通过多源数据交叉验证分析，保证不同数据源之间的协调统一；完备性统计关键字段的缺失情况，评估数据集的完整程度；生产有效性评估关注资源利用效率，通过单位成本效益、工具链效能等指标衡量生产体系的经济性。

缺陷追溯机制能够准确定位问题环节，为持续改进提供依据。

评估流程采用自动化与人工相结合的方式。初评阶段由工具进行全量扫描，识别潜在问题；复评阶段由专家对关键缺陷进行人工核查。建立完整的反馈改进机制，将评估结果转化为具体的优化措施，推动生产质量持续提升。

A.4 数据存储与安全管理

A.4.1 分级存储架构

道路运维数据采用分级存储策略，根据数据访问频率和业务价值划分为四个层级。

实时监测数据和预警信息存储于高性能固态硬盘，确保毫秒级响应；高频访问的工单和传感器历史数据存储在硬盘阵列配合缓存机制，满足日常业务查询需求；定期检查报告等周期性数据采用高密度磁阵列存储，实现长期可靠保存；竣工图纸等法规要求永久保存的数据则归档至蓝光光盘库，确保持久可读。

通过分级存储方式，在保证数据可用性的同时，有效控制了存储成本。

A.4.2 动态生命周期管理

建立智能化的数据生命周期管理机制，根据数据特征自动执行存储策略。

系统实时监控数据访问频次，自动将低频访问数据迁移至成本更低的存储层级。

对达到保存期限的数据，系统自动发起归档流程，并进行完整性校验。

基于机器学习算法预测存储容量需求，提前进行资源规划。

同时建立完善的容灾体系，确保在故障发生时能够快速恢复业务，保障数据服务的连续性。

A.4.3 全链路安全保障

构建覆盖数据全生命周期的安全防护体系。

在数据采集环节，通过设备认证和数字签名确保数据来源可信。

数据处理过程中，对敏感信息进行脱敏处理，并嵌入防篡改水印。

数据存储采用多层加密机制，不同密级数据实施物理隔离。

数据使用时实行严格的权限控制和操作审计，敏感操作要求双人复核。

数据流通环节采用隐私计算技术，确保原始数据不离开安全域。

建立标准化的数据销毁流程，对废弃数据进行彻底清除。

A.4.4 持续质量监控

建立数据质量评估体系，定期对数据集的完整性、一致性和时效性进行监测。

通过自动化工具扫描数据质量指标，及时发现并修复数据问题。

对数据服务能力进行持续评估，确保满足业务分析需求。

建立质量改进闭环机制，通过根因分析持续优化数据管理流程，提升数据资产价值。

附录 B (资料性) 公路路面病害图像高质量数据集建设案例

B.1 公路路面病害图像数据采集

B.1.1 前期准备工作

为满足路面病害检测对影像清晰度与细节呈现的高要求，使用低空无人机获取优于 5 cm 地面分辨率的垂直高清正射影像及关键区域全景图片，预估多源原始数据总量将超过 200 TB。在采集工作开始前，完成空域飞行许可、道路作业安全备案等合规手续。通过辐射定标技术优化测绘相机的图像质量，采集的数据参考 JTG F80/1 规定的量值溯源要求。

B.1.2 采集方案设计

采用固定翼无人机执行长距离、高效率的主线路面连续巡查，确保大范围路网覆盖无遗漏；同时部署多旋翼无人机对匝道、急弯陡坡、已知病害点及复杂构造物周边等重点隐患区域进行超低空、多角度精细化拍摄。

B.1.3 实施数据采集

通过无人机低空摄影测量技术对目标路段进行批量化、全覆盖式的图像数据采集。每日采集结束后，归档无人机原始包 (含位置姿态定位信息的影像、飞行日志)。数据按四级目录归类 (项目层、平台层、桩号层以及采集单元层面)，元数据表包含采集时间、地理范围、传感器参数、气象环境等属性。数据采集存储过程中注重数据的安全管理，采用加密技术对数据进行保护，防止数据泄露或丢失。

B.2 公路路面病害图像数据处理

B.2.1 数据转换

基于无人机姿态数据，通过时间戳匹配与坐标转换，实现在桩号体系下的空间对齐。解析飞行日志中的航摄参数 (航高、焦距、倾角)，对影像进行几何畸变校正与辐射校正处理，消除镜头暗角及光照差异对病害识别的干扰。

B.2.2 数据清洗

通过分析相邻帧之间的重叠度和相似性，采用基于特征匹配的图像去重算法，通过动态设定重叠度阈值，在保持时空连续性的前提下有效消除冗余数据。基于计算机视觉图像处理算法，剔除模糊、过曝、欠曝等低质量图像。

B.2.3 数据抽样

利用基于图像的自监督表示学习算法，对大量未标记的公路图像进行训练，自动学习并提取高质量语义特征。基于聚类算法，利用自监督学习生成的图像嵌入特征，聚集相似语义特征的图像，从不同维度形成公路病害图像群落，并为群落构建标签。根据提取的图像语义特征和聚类分析结果，设计自适应数据采样算法，对图像数据的多维特征空间进行精细建模，自动识别数据中的存在公路病害的关键样本。

B.2.4 数据增强

基于病害类型的统计分布分析结果，识别样本数量不足的少数类病害，针对性地进行数据增强。采用几何变换增强技术，包括旋转、翻转、仿射变换、透视变换等，模拟不同拍摄角度和视角下的病害形态。运用光度变换方法，通过亮度调整、对比度增强、色彩空间变换、直方图均衡化等手段，模拟不同光照条件和天气状况下的成像效果。

B.3 公路路面病害图像数据标注

B.3.1 制定标注规则

宜依据 JTG 5210—2018，制定详细的病害分类体系，明确定义龟裂、块状裂缝、纵向裂缝、横向裂缝等各类病害的判定标准和严重程度分级准则，部分病害类型示例见图 B.1。标注规则包含病害边界的确定方法、最小可标注尺寸阈值、重叠病害的处理原则以及特殊情况的判定依据。

B.3.2 自动标注模型训练与优化

构建自动化标注模型，利用迁移学习、主动学习和半监督学习等技术，提升模型在有限标注数据训练的性能。建立模型的自动化反馈循环优化机制，基于模型性能评估并根据半自动标注数据进行模型的自我调整，迭代优化自动标注模型。

B.3.3 半自动标注工具设计及结果反馈

开发半自动标注工具，设计交互式用户界面和工作流程，实现在模型预标注结果基础上进行人工复核，并通过智能提示、错误检测和标注建议等功能优化人机交互过程。建立标注结果反馈机制，将标注人员修正结果作为训练数据反馈给模型。

B.3.4 标注任务分配

根据数据的复杂度、标注人员的历史表现和当前工作负载进行动态分配，同时记录每个标注任务的分配时间、完成状态、标注人员信息等，便于后续的质量追踪和问题定位。

B.4 公路路面病害图像数据评测

B.4.1 设定评测指标

从文档完整性、质量合规性与场景适用性三个评测维度设定关键指标，确保数据集在人工智能模型训练中具备可追溯性、可靠性与有效性。

a) 文档完整性。提供数据集完整元数据，配备采集说明、标注规范、使用协议及安全说明文档。

b) 质量合规性。主要包含图像可用率、标注准确度 (边界贴合度、类别准确率)、病害类别覆盖率与均衡性、格式规范性等指标。

c) 场景适用性。将已标注数据按 8:1:1 的比例划分为训练集、验证集和测试集，基于典型视觉模型实施路面病害检测训练，设定精确率、召回率及平均精度指标。

B.4.2 开展数据评测

B.4.2.1 围绕评测指标，采用标准化审查、自动化检测与模型验证相结合的技术路径，系统开展数据评测工作。

B.4.2.2 通过结构化核查表对数据集配套文档进行全面审查，评估标注规范的详尽程度与可操作性，由专家联合审阅使用协议与安全说明文档的合规性与风险覆盖范围。

B.4.2.3 采用自动化脚本批量检测图像分辨率、完整性及格式合规性，统计低质图像占比并计算图像可用率；随机抽样进行专家复核，评估边界精度和类别准确率；统计病害类别分布，验证覆盖广度与均衡性。

B.4.2.4 模型训练完成后，评测模型在龟裂、块裂、纵向裂缝、横向裂缝等典型病害场景中的精确率、召回率及平均精度等核心指标，确保数据集能有效提升公路路面病害检测性能。

B.5 公路路面病害图像数据发布

B.5.1 数据集封装

统一数据的编码格式、时间戳等基础信息，实现跨系统兼容。对于敏感信息基于差分隐私算法脱敏，数据采用国密算法处理后存储至分布式对象存储系统。部署具备权限控制与操作审计的在线交互平台，并通过平台托管的实时服务接口，提供基于身份认证与传输加密的安全调用能力。离线数据包封装按业务周期或病害主题进行聚合，解密密钥通过独立安全通道分发至授权终端。文档版本与数据产品进行绑定，技术文档包含接口说明。

B.5.2 数据流通与应用

公路路面病害图像数据集通过在线平台向行业内的研究人员、工程师、高校、科研机构及相关企业进行有条件共享。用户依据自身需求，通过平台注册获取数据集的访问权限，并在遵守相关使用协议的前提下，进行数据下载、模型训练、算法开发等研究工作。

B.5.3 数据集运营

为确保数据集的持续可用、价值最大化和安全合规，设立专职数据运营团队，明确数据质量管控、安全防护、版本迭代等核心职责分工。此外，为保证数据集的时效性与实用性，建立定期的数据集更新与维护机制，持续补充新的图像数据和标注信息，及时更新数据集内容。

附录 C (资料性) 综合交通枢纽旅客智能服务数据集建设案例

C.1 数据类型

C.1.1 场站攻略数据

场站攻略数据记录综合交通枢纽的物理设施位置、状态、换乘路径、服务设施 (如充电站、母婴室) 分布、特殊时段运营政策等。以铁路客运车站为例，包含基础设施 (进站口、检票口、候车区域、站台信息)，交通连接 (地铁、公交、长途客运、打车、自驾)，场站内攻略 (楼层分布、站内换乘方案、站内设施、VIP 服务、母婴室、无障碍设施)，出站攻略 (基础设施、交通连接)，火车站节假日、夜间等特殊政策等。

C.1.2 运力状态数据

运力状态数据记录各类交通运输服务的状态以实现多式联运接驳方案与实时运力查询。运力状态数据包含：铁路列车、航班、城市公共交通、出租车 / 网约车、客运班线、共享单车、停车场的实时班次、位置、可用状态。

C.1.3 行程履约数据

行程履约数据记录经用户授权的行程订单信息。在获取用户授权或用户手动输入行程的情况下，涵盖用户出行的交通方式、出行时间、出行目的地等，构建用户出行的完整需求画像以支撑个性化行程服务。

C.1.4 旅客问答对数据

旅客问答对数据记录用户在枢纽出行场景的信息咨询意图。在获得用户授权并对隐私信息脱敏处理的情况下，记录用户枢纽出行中的真实提问和参考回答作为智能客服模型训练与知识库构建的核心数据。通过数据增强构建专业奖励函数，提升问答对数据的专业性和场景适配性。

C.1.5 其他辅助数据

其他辅助数据包含气象、实时路况、政策公告、舆情事件等外部环境信息，为行程规划与辅助决策提供上下文信息支撑。

C.2 数据采集

C.2.1 实地踏勘采集

针对获取枢纽内静态的物理空间与设施信息，通过专业人员现场踏勘、测绘与多角度实景图像采集，形成标准化的多模态图文数据，主要包括场站建筑结构地图、各类交通方式接驳指引标识、公共服务设施 (如问询处、卫生间、商业网点) 的精确位置与状态。数据成果用于指导准确、直观的场站进出站与内部换乘，覆盖城市公共交通、出租车、网约车、私家车等多种接驳场景。

C.2.2 枢纽感知设备采集

通过部署于枢纽内的视频监控设备、智能客流统计设备、闸机及票务终端等各类感知设备，采集覆盖旅客进站、安检、候车、检票、出站接驳等全流程环节数据。一般包含关键节点的实时排队长度、区域客流密度 (拥挤度)、设施预计等候时间、交通工具计划停靠位置，以及影响运营的突发事件信息。

C.2.3 第三方数据接口采集

通过系统间数据交互对接公共汽电车、城市轨道交通、出租车 / 网约车平台、共享两轮车运营商、长途客运班线等第三方运力服务商的官方数据接口，实现对接驳运力实时状态的汇聚接入，具体数据项包括枢纽周边的实时运力分布、预计到达时间、客流饱和度预测等，为旅客提供联程出行规划支持。

C.2.4 合成数据生成

为提升数据质量与场景针对性，在获得用户授权并对个人信息进行严格脱敏后，联合行业专家构建数据质量评价体系与奖励函数，通过数据合成与数据增强技术，对原始数据进行扩展、优化与场景适配，形成高覆盖度的旅客问答对数据集，专项用于训练旅客信息服务领域的垂直模型及驱动智能体应用。

C.3 数据处理

C.3.1 数据清洗

数据清洗的核心是对原始数据的安全性、时效性及内在质量进行系统性校验与修订，旨在构建合规、可靠的数据基础。安全性校验确保采集过程中数据不被泄露、篡改，原始数据不侵犯国家信息安全、个人隐私保护和商业保密规定。时效性评估根据数据用途差异化了处理：对于时效性要求强的数据，采用了实时接口与数据流管道进行传输；对于时效性要求较弱的数据，则采用了批量文件同步等方式。针对识别出的敏感数据 (主要包括用户个人信息及交易数据等)，通过匿名化手段及数据混淆技术进行处理，从而降低隐私泄露风险。

C.3.2 数据增强

为提升数据对交通运输枢纽场景的专业适配性，针对通用数据专业知识稀缺的问题，本案例通过引入行业专家，构建了面向运输服务领域的数据质量评价体系与奖励函数。该方法尤其应用于旅客问答对数据的优化，通过专家知识注入与算法迭代，使生成的问答对数据在表达方式上更贴近真实客服，并在专业术语准确性、信息实时性、服务公平性与安全性等关键性能上得到显著提升，从而为后续的垂直领域模型训练提供高质量的专用数据基础。

C.4 数据评测

为确保数据质量满足智能服务应用的要求构建多维度数据评测体系。

a) 文本通用指标评测：从静态与动态两个维度评估问答对数据基础质量。静态指标侧重数据固有属性，包括安全合规性、完整性、重复性、可读性、一致性及可追溯性。动态指标则关注信息在实际应用中的可靠性，主要包括准确性、地理位置关联性、置信度 (事实性)、时效性以及外部链接准确性等。

b) 行业属性指标评测：针对交通运输场景的专业性要求进行专项评估。以客户服务为例，关键评测指标包括：领域判别准确性、提及实体与数值的真实性、关联图片准确性、办事流程的逻辑完备性，以及地域与时空信息的精确性，确保数据与行业实际高度契合。

c) 检索增强生成模块评测：针对用于承载行业知识库的 RAG 技术模块，对其信息检索与召回的效能进行量化评估。核心评测指标包括结果准确性、改写 / 扩写准确性、命中率、平均精度均值、平均倒数排名、召回率、精确率、F1 分数以及归一化折损累积增益等，以保障知识调用的效率与准确性。

C.5 数据集运营

建立系统的长效运营机制保障数据集持续生命力，具体包括：实施语义化版本控制以记录和追溯数据的完整演变过程；依托项目平台搭建用户社区，以持续收集反馈并探索在安全可控前提下吸纳高质量数据贡献；同时执行 “定期更新与事件驱动更新” 相结合的策略，及时纳入新数据源与场景，从而系统性地确保数据集在完整生命周期内的准确性、时效性与应用价值。

附录 D (资料性) 交通运输行业高质量数据集建设过程自查清单

数据集建设各阶段的自查要点与推荐工具见表 D.1~ 表 D.6，供数据集建设单位在实施过程中对照使用。

表 D.1 数据采集阶段自查清单

序号	自查项	自查要点	推荐工具
1	自有数据抽取	是否从业务系统 (如资产管理系统、BIM 平台) 抽取结构化数据，接口是否可用	ETL 工具：Apache NiFi、Kettle、DataX; 数据库管理：Navicat、DBeaver
2	传感器 / 物联网采集	采集设备是否通过计量校准，数据时间戳是否同步，传输协议是否统一	IoT 平台 / 消息中间件：ThingsBoard、EMQX; 时间同步：NTP/PTP、Chrony
3	网络数据汇聚	是否对爬取数据设定频率、范围及 robots 协议合规检查	动态页面采集 / 浏览器自动化: Selenium+ChromeDriver; 合规采集:robots 协议检查、访问频率控制
4	合成数据生成	是否对稀缺 / 极端场景补充合成数据，合成比例是否合理	交通仿真：SUMO; 图像生成：Stable Diffusion; 三维场景：Blender
5	元数据登记	是否为每批次数据记录全局 ID、采集设备、时空坐标、质量指标、安全等级	元数据管理：Apache Atlas、DataHub

表 D.2 数据预处理阶段自查清单

序号	自查项	自查要点	推荐工具
1	数据转换	是否将异构数据统一为目标格式 (如 Parquet、JSON、HDF5)，坐标系、编码、计量单位是否统一	格式转换:pyarrow、Avro/Parquet 工具链；坐标转换：GDAL、PROJ
2	数据验证	是否对字段类型、值域范围、逻辑约束、业务规则进行校验并输出异常报告	Great Expectations、Pandera、Deequ(Apache)
3	数据清洗	是否完成去重、缺失值处理、异常值识别、格式标准化、编码修复等操作	大规模：Apache Spark (PySpark); 中小规模: pandas+NumPy; 文本清洗：OpenRefine; 图像筛选：OpenCV、Pillow
4	脱敏处理	是否对人脸、车牌、隐私字段等敏感信息进行脱敏 / 匿名化	图像脱敏：OpenCV (高斯模糊)、 PaddleDetection (人脸检测 + 遮挡); 文本脱敏：Presidio
5	数据聚合	是否完成多源数据按时空关联的聚合与对齐	Spark SQL; 时空对齐：GeoPandas、PostGIS
6	数据抽样	是否根据分布特征和业务需求进行分层 / 系统 / 自适应抽样	scikit-learn、imbalanced-learn
7	特征创建	是否根据模型需求创建衍生特征，特征定义是否可追溯	Featuretools; 特征存储：Feast
8	数据增强	是否对少数类 / 稀缺场景进行增强，增强方法是否合理	图像：Albumentations; 文本：NLPAug; 时序:tsaug
9	数据融合	多模态数据是否完成跨模态关联与对齐	GeoPandas、RTKLIB、OpenCV 等

表 D.3 数据标注阶段自查清单

序号	自查项	自查要点	推荐工具
1	图像 / 视频检测与分割标注	是否完成目标检测框、多边形分割、关键点等标注，是否支持半自动预标注	CVAT (交通场景检测 / 分割 / 跟踪标注首选，支持半自动标注);Label Studio (多模态标注，支持预标注集成、多人协作、质检流程、ML 后端)
2	小规模图像快速标注	是否对少量图像完成多边形 / 矩形框 / 关键点标注	Labelme (轻量级图像分割标注)
3	文本实体与关系标注	是否对命名实体识别、关系抽取、事件标注、文本分类	Doccano (NER / 文本分类 / 序列标注，适合交通事故报告 / 运单标注);Brat (实体 / 关系 / 事件标注，适合交通事件关系抽取)
4	OCR 文字检测与识别标注	是否对交通标志、运单等文本检测框与识别标注	PPOCRLabel (百度 PaddleOCR 配套，交通标志 / 运单 OCR 标注适用)
5	点云 3D 标注	是否对激光雷达 3D 目标检测框、语义分割标注	3D-BAT、SUSTechPOINTS (交通路口 / 自动驾驶激光雷达点云标注)
6	测试标注与一致性评估	是否开展测标并输出评估报告，标注一致性是否达标	Cohen’s Kappa (scikit-learn，双人一致性); Fleiss’ Kappa (statsmodels，多人一致性)
7	反馈修正与版本追溯	是否对典型错误进行根因分析，纠正结果是否复核并更新至主库	Git+DVC

表 D.4 数据质量评测阶段自查清单

序号	评测维度	自查要点	推荐工具
1	文档完整性	是否具备完整说明文档 (元数据、内容特征、建设过程、应用说明)	模板参照本导则 5.3
2	数据完整性	是否检查结构完整性、格式规范性、标注规范性、类别覆盖完整性	Great Expectations、Deequ;ydata-profiling
3	数据现时性	是否评估有效期内数据占比、数据年龄分布、无缺测时段占比	pandas;Matplotlib、Seaborn
4	数据安全性	是否符合 GB/T 37988 要求，是否完成脱敏、加密、访问控制	Presidio;OpenSSL
5	内容一致性	多模态数据间语义是否一致，关联记录逻辑是否统一	一致性校验脚本 (Python)
6	内容多样性	是否评估标签丰富性、相对标签丰度、类别大小多样性	scikit-learn、scipy;Matplotlib、Plotly
7	数据均衡性	是否评估类别样本比例、连续值分布、时空覆盖均衡性	imbalanced-learn、pandas
8	标注准确性	是否评估类别准确率、边界框精度、属性可靠性	scikit-learn(Cohen’s Kappa/Fleiss’ Kappa); COCO Evaluation
9	规模完整性	数据量是否满足模型训练最小规模阈值	pandas
10	模型适配性	是否通过对比实验量化数据集对模型性能的提升效果	PyTorch、PaddlePaddle;Hugging Face Evaluate、 COCO eval

表 D.5 数据集发布阶段自查清单

 

序号	自查项	自查要点	推荐工具
1	安全预处理	敏感数据是否加密存储 (国密算法)，是否嵌入水印	加密：GmSSL (国密)、OpenSSL; 水印：数据水印 / 文件指纹工具；
2	版本管理	是否采用 “主版本号。次版本号。修订号” 命名，是否与文档版本对应，是否记录变更日志	Git+DVC(Data Version Control)
3	产品化封装	是否按接口 / 离线包 / 在线平台 / 知识图谱等方式封装	API 封装：FastAPI、Flask; 开放数据平台：CKAN
4	定向共享安全	跨部门协同是否采用隐私计算，数据是否限定用途	隐私计算：FATE; 联邦学习：PySyft

表 D.6 安全管理阶段自查清单

序号	自查项	自查要点	推荐工具
1	隐私保护	是否对个人信息进行去标识化 / 匿名化，是否符合 JT/T 1522 要求	脱敏：Presidio; 匿名化：ARX (k – 匿名 / 1 – 多样性 /t – 接近)
2	数据投毒防范	是否建立全流程异常检测机制，是否对数据内容多维度审核	异常检测：PyOD、scikit-learn (Isolation Forest)
3	加密存储与传输	是否对敏感数据加密存储，传输是否采用加密信道	存储加密：GmSSL、OpenSSL: 传输加密：TLS/SSL (Nginx)
4	访问控制	是否建立基于角色的访问控制，是否定期审核权限	大数据权限：Apache Ranger: 身份认证: Keycloak
5	版权标识与存证	是否利用技术手段进行版权标识，是否明确授权范围	版权存证：FISCO BCOS、电子签名 / 时间戳服务：版权标识：数据水印、文件指纹、哈希签名
6	数据出境合规	是否按《数据出境安全评估办法》开展评估	网信办数据出境评估流程
7	合规审计	是否建立定期审计机制，重大变更 / 安全事件后是否开展专项审计	日志审计：ELK Stack

附录 E (规范性) 交通运输行业高质量数据集分类与构成编码明细表

数据集分类与构成编码明细见表 E.1~ 表 E.6。

表 E.1 知识领域覆盖范围分类编码明细表

编码	分类名称	说明
T	行业通识	面向交通运输行业从业人员的通用知识，在交通运输行业内部具有普适性和共识性等特点。主要包括公路、水路及综合交通等领域的标准规范、研究成果、政策法规、图文教材等通用知识。
Z	行业专识	面向交通运输行业领域机构内部业务人员的专业知识，具有场景针对性、组织机构专属性和实践经验积累性等特点。主要包括公路、水路及综合交通等领域在业务开展过程中产生和积累的专业知识。

表 E.2 行业通识数据集编码明细表

编码	分类名称	说明
ZC	政策法规	交通运输领域法律法规、部门规章、政策文件等通用知识
BZ	标准规范	交通运输领域国家标准、行业标准、地方标准、团体标准等
JC	基础知识	交通运输行业术语、概念、基础理论、基础规则等
TJ	行业统计	行业运行、发展、统计、公报等公开数据和资料
FW	公共服务	面向公众服务、出行服务、信息查询等通用知识
JS	通用技术	行业共性技术、通用方法、通用工具等资料
ZH	综合知识	难以归入上述类别的综合性通识知识

表 E.3 行业专识数据集编码明细表

编码	分类名称	说明
TL	铁路运输	铁路运输组织、设施设备、运行管理、安全监测等数据
GL	公路 / 道路运输	公路基础设施、道路运输、车辆运行、路网监测等数据
SL	水路运输	港口、航道、船舶、水上运输组织与安全监管等数据
MH	民航运输	航空运输、机场运行、航班保障、航空服务等数据
GD	管道运输	管道运输设施、运行监测、调度管理、安全保障等数据
LY	多式联运和运输代理	多式联运、货运代理、综合物流组织协同等数据
CC	装卸搬运和仓储	装卸作业、仓储管理、物流节点运行等数据
YZ	邮政快递	邮政、快递、末端配送、寄递服务等数据
ZJ	综合交通	跨方式、跨领域、综合交通运行与协同管理等数据

表 E.4 业务主题分类编码明细表

 

编码	分类名称	说明
JS	基础设施	与公路、水路及综合交通等领域基础设施相关的数据资源，包括规划方案、建设进展、通行流量等数据。
ZB	交通装备	与车、船、飞机等交通运输装备相关的数据资源，包括装备技术参数、运行状态、维修保养等数据。
YS	运输服务	与公路、铁路、水路、航空、邮政及综合运输服务相关的数据资源，包括客货运量、订单信息、运输轨迹等数据。
ZL	行业治理	与行业准入管理、运输工具监管、运输服务优化等行业治理相关的数据资源，包括设备采集感知、执法检查、行政处罚等数据。
DT	绿色低碳	与清洁能源应用、运输结构调整、资源循环利用等绿色低碳相关的数据资源，包括行业碳排放、废物收集、转移、利用、处置等数据。
AQ	安全保障	与公路应急、海上搜救、航空安全监管等安全保障相关的数据资源，包括应急资源、物资储备、应急处置、救援力量等数据。
KJ	科技创新	与交通运输行业科技创新相关的数据资源，包括科技报告、标准规范、论文专利等数据。

表 E.5 数据模态分类编码明细表

 

编码	分类名称	子编码	数据类型	说明	样例
S	单模态	01	文本	以自然语言为载体的信息资源，包括政策法规、标准规范、图书教材、新闻稿件、学术论文、研究报告、技术文档等，涵盖结构化和非结构化文本形式，适用于语言模型训练、信息检索和情感分析等任务。	公路养护技术规范文本、铁路调度指令记录等。
		02	图像	以静态视觉信号为载体的资源，包括道路监控照片、桥梁病害图像、卫星遥感影像、交通标志图片等，以像素矩阵存储，宜附带标注，适用于道路病害检测、交通标志识别等任务。	高速公路路面裂缝图像、港口集装箱航拍图。
		03	音频	以声音信号为载体的资源，包括车辆鸣笛录音、收费站语音交互记录、铁路调度对讲机通话、机场航班广播等，以波形或频谱图呈现，适用于异常声音检测、语音指令识别、声学事件监测等任务。	隧道内车辆异常噪声录音、船员与塔台无线电通信记录。
		04	视频	以动态视觉信号为载体的资源，由连续图像帧组成，宜同步包含音频，包括路口监控视频、航道船舶航行录像、机场跑道起降视频等，适用于车辆轨迹跟踪、船舶行为分析等任务。	城市路口交通流监控视频、码头集装箱装卸作业录像。
		05	数值	以结构化数值为载体的资源，包括传感器采集的交通流量、车速、水位、设备运行参数，以及交通统计数据如客运量、货运量) 等，适用于交通流预测、设备故障预警等任务。	高速公路收费站小时车流量时序数据、桥梁结构振动监测数值。
		06	其他	上述未涵盖的单模态数据，指以特殊单一载体呈现的资源，如点云 (激光扫描三维点集)、2D 图纸 (工程设计图纸)、3D 模型 (道路三维建模数据) 等。	高速公路三维激光点云数据、船舶三维模型数据。
M	多模态	11	文本 + 图像	同时包含文本与静态视觉载体的融合数据，文本与图像存在语义关联，适用于图文协同分析任务。	交通事故报告 (文本)+ 事故现场照片 (图像)、道路施工公告 (文本)+ 施工区域示意图 (图像)
		12	文本 + 音频	同时包含文本与声音载体的融合数据，文本与音频存在内容对应关系 (如转录、注释)，适用于跨模态验证任务。	铁路调度指令 (文本)+ 调度语音录音 (音频)、客服投诉记录 (文本)+ 投诉通话录音 (音频)
		13	文本 + 音频 + 视频	同时包含文本、声音、动态视觉载体的融合数据，三类载体在时空或语义上关联，适用于复杂场景还原任务。	航班延误说明 (文本)+ 机场广播录音 (音频)+ 候机厅监控视频 (视频)
		14	其他融合数据	其他多种异构单模态深度融合的资源，需跨模态时空对齐与联合建模，适用于交通复杂场景感知与决策任务。	自动驾驶路测数据 (摄像头图像 + 激光雷达点云 + 高精度定位数值 + 毫米波雷达信号)、智慧港口作业数据 (机械臂操作视频 + 设备状态数值 + 调度指令文本)。

表 E.6 模型阶段表

编码	分类名称	说明
PRE	预训练数据集	预训练数据集是支撑交通运输行业大模型进行初始训练的大规模、基础性数据集合，宜包含路网数据、车辆运行数据、交通流数据、客运货运单据、交通政策文本等多模态信息，旨在帮助模型学习行业通用特征与基础规律。
POST	后训练数据集	后训练数据集是针对交通运输行业特定任务 (如路径规划、异常事件识别、需求预测等) 对模型进行进一步优化的高质量标注数据集合，用于引导模型掌握特定业务场景下的专业推理能力与决策逻辑。按照标注形式，宜分为微调数据集、思维链数据集、偏好对齐数据集等。
EV	评测数据集	评测数据集是用于客观评估模型性能表现、衡量其在交通运输领域特定任务中能力水平的数据集合。该数据集围绕交通运输领域的典型应用场景设计测试任务和评价样本，结合多维度评估指标和动态更新的测试基准，旨在全面检验模型在基础能力、专业能力以及安全与价值对齐等方面的表现，为模型优化和迭代提供可量化的评测依据。

表 E.7 元数据明细表

 

序号	名称	英文名称
1	基础描述	Basic_Description
1.1	数据集标识符	dataset_identifier
1.2	数据集名称	dataset name
1.3	关键词	keywords
1.4	数据集内容摘要	abstract
1.5	版本	version
1.6	语言	language
1.7	制作时间	creation_date
1.8	制作单位	producer
2	技术参数	Technical_Parameters
2.1	文件格式	file format
2.2	模态	mode
2.3	数据量	data_volume
2.4	存储量	storage_size
3	标注信息	Annotation_Information
3.1	标注工具	annotation_tool
3.2	标注规则	annotation_rules
3.3	质量控制标准	quality_control_standard
4	使用限制	Usage_Restrictions
4.1	许可协议	license
4.2	敏感数据标记	sensitive_data_marker
5	数据安全等级	Data_Security_Level

 

导则下载

序号	计划号	标准名称	征求意见稿	征求意见稿编制说明	发表意见
1	JT 2025-125	交通运输行业高质量数据集建设导则

 征求意见反馈单

www.smartcity.team