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

数据来源于滴滴盖亚平台，时间为2016年8月8-14的出租车数据，数据分为5个部分35个文件，文件格式为csv

深圳市边界地图及深圳市出租车GPS数据，出租车轨迹数据包含车辆ID，时间，经纬度，载客状态。

Taxi-Trajectories 可视化出租车轨迹分析

大数据技术在分析与挖掘交通大数据方面扮演着越来越重要的角色.为了快速有效地对出租车的运营模式与载客策略进行分析，设计效益指数模型对出租车效益进行量化排序，以高效益出租车为研究对象，基于Spark大数据框架开发一个轨迹数据处理与可视化平台.首先，处理高效益出租车轨迹数据得到用于可视化的特征数据.而后进行可视化分析，包括：统计分析高效益出租车运营特性并实现交互式图表展示，采用蜂窝形格网与DBSCAN算法对不同时段高效益出租车载客点进行热点可视化，实现基于缓冲区的交互式轨迹查询并提取出轨迹相关因子.最后，利用成都市出租车GPS轨迹数据验证了所提平台的有效性及可靠性.

微软亚洲研究院出租车轨迹数据部分数据，数据相当好，可以用来做空间数据挖掘等。该数据中共有18740 个轨迹文件，可以做分析研究行为模式等相关研究。

包含id，time，latitude，longitude，载客状态，速度，角度等

时空轨迹数据是带有时间和空间信息的序列数据，数据获取成本低，覆盖范围广，且拥有时态特性，既可以进行微观个体活动模式的研究，也可以进行宏观活动系统的城市空间结构的研究。今天将分享一套出租车轨迹数据，该数据包含北京市2008年一周内10000+辆出租车、10分钟采样频率、1千万条以上的轨迹。

一种基于交通网格划分的出租车轨迹数据空间聚类方法，毛峰，刘婷，作为使用最为广泛的交通出行方式之一，出租车的运行轨迹中不但具有道路网络交通信息，还含有乘客的出行行为特征。对出租车轨迹进