此数据集包含北京市出租车从2008年2月2日到2008年2月8日的GPS轨迹数据，其中共包含10357辆出租车的数据，其中每个文件由出租车ID，时间、经度、纬度构成。该数据集中的轨迹点总数约为1500 万条，轨迹的总距离达到900万公里。其中连续两个轨迹坐标点的平均采样间隔约为 177秒，距离约为623米。这个数据集的每个文件，由出租车ID命名，包含一个出租车的轨迹。以下是一个文件的样例： 1,2008-02-02 15:36:08,116.51172,39.92123 1,2008-02-02 15:46:08,116.51135,39.93883 1,2008-02-02 15:46:08,116.51135,39.93883 1,2008-02-02 15:56:08,116.51627,39.91034 1,2008-02-02 16:26:08,116.47179,39.90718 1,2008-02-02 16:36:08,116.45617,39.90531 1,2008-02-02 17:50:24,116.50661,39.91483

数据探索 数据预处理 出租车轨迹基本特征分析 出租车路径长度的分布 出租车载客路径长度的分布 出租车载客次数分布 出租车空载速度的分布 载客平均速度出租车分布 出租车数据的可视化 经纬度范围划分 统计出租车数据的经纬度范围 客人上下车站点统计 全时段上下车站点可视化 客人上车的站点可视化 客人下车的站点可视化 分时段上下车站点可视化 分时段统计上下车站点数据 分时段上车站点可视化 分时段下车站点可视化 出行线路可视化 出行网络拓扑结构分析 节点数 边数 权重及其分布 节点度的分布 度 入度 出度 拓扑结构图的可视化 社团划分

自己稍微整理了常用的轨迹预测几个数据集的介绍

项目功能实现了跑步运动轨迹、运动数据（运动日期记录、单个日期运动次数、每次运动的基本数据（运动距离、时长、消耗、速度等）。地图运动轨迹展示使用高德地图；运动数据使用Realm数据库保存，登录注册功能由本地Realm数据库模拟完成；

基于轨迹数据的无信号控制交叉口行人过街行为研究，冉旭东，马寿峰，随着我国城市道路运行效率的降低和交通安全形势的日益严峻，行人交通安全已成为普遍关注的问题。本文从无信号道路交叉口的实测轨

在本次综述中，我们全面回顾了轨迹数据管理的最新研究趋势，包括轨迹预处理、轨迹存储、常用的轨迹分析工具，如查询空间和空间文本的轨迹数据，以及轨迹聚类。我们还探讨了四种密切相关的分析任务，它们通常用于交互式或实时处理的轨迹数据。并首次回顾了深度轨迹学习。最后，我们概述了轨道管理系统应具备的基本质量，以最大限度地提高灵活性。

面对城市出租车高空载率和乘客打车难问题，本文针对出租车司机端和乘客端分别进行载客热点和打车热点的分析研究，提出了一种基于DBSCAN算法的数据处理模型.利用这个模型对北京市182辆出租车的GPS轨迹数据进行处理，提高了数据精度；对于不同的受众，采用K-means算法对数据进行聚类分析，得到相关热点.实验表明，划分目标用户进行各热点的推荐不仅可以有效地为出租车司机提供高概率的载客热点，乘客打车难问题也有了一种可行的解决方法.

人员流动性分析 基于轨迹数据的个人和人群级人类移动性分析工具包和模型，包括旅行目的地预测、旅行时空和语义特征计算（例如，熵、回转半径、主题比率、旅行节奏等）、驾驶特征和性格. Folder structure: -Driver Personality Analysis -Location Sequence Prediction --Code ---Model_1 ... ---Model_n --Sample Data --Documents --Publications --Web Visualization Components -Next Location Prediction -Travel Feature Analysis

人工智能-机器学习-面向交通量过载预测的移动轨迹数据分析方法研究邓佳.pdf

车辆原始轨迹数据