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

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.

轨迹数据纠偏

基于真实的 GPS 轨迹数据，对城市拥堵路段进行预测． 在此过程中，摒弃传统的基于交通流预 测和拥堵识别的方法，提出一种新的基于拥堵向量和拥堵转移矩阵的拥堵路段预测方法． 该方法同时考虑路 段拥堵的时间周期性和时空相关性，通过对出租车 GPS 轨迹数据进行挖掘和训练，建立拥堵向量和拥堵转移 矩阵，实现对拥堵路段的预测． 真实数据集上的实验验证了所提的拥堵路段预测方法的有效性．

用户轨迹数据结构包括经度、纬度、高度、时间、是否连续，轨迹涉及面广，时间采样频率高。

 该GPS轨迹数据集记录了四川省成都市从2014年8月1日到2014年9月1日的一个月的15000量出租车GPS轨迹数据。约14亿条数据。强调一下这是付费数据。

GPS轨迹数据集，用于深度学习的模型训练，数据集里有GPS轨迹数据和标签。