Advertisement

滴滴快的智能出行平台数据：2016年8月 西安 数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
此数据集记录了2016年8月份西安地区滴滴快的出行平台上的用户及订单信息，为研究智能出行提供了详实的数据支持。 2016年8月的数据如下： - 成都：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 - 西安：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 - 北京：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 2016年4月的数据如下： - 南京：打车需求量、出租车分布、车费、被抢单时间和打车难易度。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 滴滴快的智能出行平台数据：2016年8月 西安 数据集
    优质
    此数据集记录了2016年8月份西安地区滴滴快的出行平台上的用户及订单信息，为研究智能出行提供了详实的数据支持。 2016年8月的数据如下： - 成都：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 - 西安：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 - 北京：打车需求量、出租车分布、车费、被抢单时间和打车难易度。 2016年4月的数据如下： - 南京：打车需求量、出租车分布、车费、被抢单时间和打车难易度。
     
  • 滴滴快的2016年8月成都智能出行平台数据集
    优质
    该数据集收录了滴滴快的公司在2016年8月于成都市收集的大量智能出行相关数据，涵盖用户打车、行车路线及交通状况等信息。 2016年8月的数据表明，在成都、西安和北京的打车需求量（demand）较高，而南京在同年4月份的相关数据则有所不同。这些城市的出租车分布（distribute）、车费（money）以及被抢单时间(response)也存在差异，进而影响了乘客体验到的打车难易度(satisfy)。
     
  • 滴滴快的2016年8月南京智能出行平台数据集
    优质
    该数据集为滴滴快的公司在2016年8月于南京市收集的智能出行信息，涵盖打车服务中产生的各类数据，旨在促进城市交通优化与研究。 2016年8月的数据包括成都、西安和北京的打车需求量（demand）、出租车分布（distribute）以及车费（money），同时记录了被抢单的时间（response）和打车难易度（satisfy）。南京则提供了同年4月的相关数据。
     
  • 滴滴快的2016年8月在北京的智能出行平台数据集
    优质
    该数据集收录了滴滴快的在2016年8月份于北京地区的真实出行记录，旨在为研究者提供宝贵的智能出行平台分析素材。 2016年8月成都、北京和西安的打车需求量（demand）、出租车分布情况（distribute）以及车费（money）的数据与2016年4月南京的相关数据进行了比较。此外，还分析了被抢单的时间（response）及打车难易度（satisfy）。
     
  • Matlab sin函数源码解析-苍穹项目：滴滴快的智能出行平台数据抓取工具
    优质
    该文章深入分析了MATLAB中sin函数的源代码，并介绍了“苍穹”项目——一个用于从滴滴和快的智能出行平台抓取数据的工具。 该项目涉及使用Matlab的sin函数源码以及一个用于智能出行平台数据获取的废弃项目与备份资源。由于爬取网站已经关闭，main.py文件无法正常使用。example.py文件可以用来查看示例代码。 以前从这些网站上抓取的数据可能有问题，请注意验证其准确性。在data目录下有一些已下载好的成都相关数据，可以通过双击quick_run.bat来开始下载新的成都数据（前提是您先安装了Anaconda）。如果您希望手动运行脚本进行下载，则可以在命令行中输入$python main.py 510100，其中的数字是代表城市的代码。例如，“510100”对应的是成都市。 对于以下城市的数据也可以使用相同的程序来获取： - 北京市：110100 - 广州市：440100 - 上海市：310100 - 沈阳市：210100 - 武汉市：420100 - 西安市：610100 - 杭州市：330100 - 深圳市：440300 - 南京市：320100 对于完全的新手，如果对上述代码和使用方法已有了解，则可以直接跳过下面的教程。Python是一种编程语言，类似于MatLab，但更侧重于通用编程任务。在Python中，并没有直接可用的sin等数学函数（需要导入相应的库才能使用）。
     
  • 滴滴出租车数据
    优质
    滴滴出租车数据提供了关于出租车行业的详细信息和统计数据，涵盖订单量、乘客满意度及司机收入等关键指标，助力行业分析与优化。 Ricardo Quintero的个人网站展示了他在技术领域的经验和项目成果。他的页面内容丰富且专业，适合对相关领域感兴趣的人士访问和参考。
     
  • 滴滴盖亚计划数据（2016年11月，已加密和脱敏处理）
    优质
    滴滴盖亚计划数据（2016年11月，已加密和脱敏处理）是滴滴出行为了促进大数据研究与应用而发布的一份匿名化处理的内部数据分析集。该数据集包含公司运营的关键指标，并经过严格的安全措施以保护用户隐私。 本数据集来源于滴滴盖亚计划共享的成都市滴滴平台订单数据，包含订单数据、订单取消概率及空车转移率等相关信息，并提供六边形网格数据支持空间分析需求。所有涉及的相关ID均已加密处理以确保用户隐私安全。研究者在使用该数据集时，请务必注明所用数据来源于“滴滴盖亚计划”。
     
  • 盖亚数据平台成都2016年8月的一周出租车数据
    优质
    该简介提供的是盖亚数据平台于2016年8月在成都市收集并分析的一周内出租车行业相关数据的研究概要，涵盖行程、时段及地理分布等信息。 数据来源于滴滴盖亚平台，时间为2016年8月8日至14日的出租车数据，共分为5个部分，包含35个文件，文件格式为csv。
     
  • 滴滴出行A/B测试及城市运营数据集.rar
    优质
    该资源包含滴滴出行在进行产品功能优化时所使用的A/B测试和城市运营相关数据集，适用于数据分析与算法研究。 背景描述： 数据集包括两个Excel文件：一个用于记录某次AB测试的相关数据（test.xlsx），另一个包含某个城市的运营数据（city.xlsx）。 **test.xlsx 数据字段解释** - date: 日期 - group: 组别，分为控制组和实验组 - requests: 订单请求数量 - gmv: 成交总额 - coupon per trip：每单优惠券金额 - trips: 订单数量 - canceled requests：取消订单的数量 **city.xlsx 数据字段解释** - date: 日期 - hour: 时间点（小时） - requests: 请求数量 - trips: 订单数量 - supply hours: 可服务时长 - average minutes of trips：平均订单持续时间（分钟） - pETA: 预计顾客等待时间 - aETA: 实际顾客等待时间 - utiliz：司机忙碌率