Advertisement

滴滴出行平台于2016年8月在北京市收集的数据集。

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

简介：
成都于2016年8月收集的数据表明，南京于2016年4月获得的数据显示，西安于2016年8月获得的统计结果，以及北京于2016年8月呈现的状况，都与“demand”（出行需求量）相关。此外，关于“distribute”（出租车分布）的状况、涉及的“money”（车费）金额，以及对“response”（被抢单时间）的反应，都反映了出行难易度的衡量标准。“satisfy”（打车难易度）这一指标在这些数据集中得到了体现。

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）。
     
  • 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
     
  • 滴滴驾驶行为数据集对外开放
    优质
    滴滴驾驶行为数据集现已对外公开，旨在促进自动驾驶与车辆安全技术的研究与发展，助力智能交通系统的构建。 滴滴驾驶行为开放数据集由滴滴出行提供。 数据文件名为dididataset.txt。
     
  • 滴滴出行2024年行程单模板
    优质
    “滴滴出行2024年行程单模板”提供给用户一个便捷、专业的工具来规划和记录日常或未来的出行计划。此模板旨在帮助乘客清晰地列出每次乘车详情，包括时间、地点及费用等信息，并支持轻松管理和回顾过往的出行经历。 2024年可编辑行程单模板的Word文档提供了一个方便用户规划旅行或日常活动的日程安排工具。该模板设计灵活，可以根据个人需求进行调整和定制，适用于各种场合下的日程管理。通过使用此模板，可以轻松记录并跟踪计划中的各项事宜，确保不会遗漏任何细节。
     
  • 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”。
     
  • 北京滴滴GPS轨迹分析
    优质
    本项目专注于利用大数据技术对北京市内滴滴出行的GPS轨迹数据进行深度挖掘与分析，旨在为城市交通规划、智能调度和用户出行优化提供决策支持。 北京滴滴GPS轨迹分析描述了对某一天内滴滴出行的GPS轨迹进行识别，以确定停留点与运动轨迹，并统计停留点的数量、停留时间、运动轨迹长度以及运动时间。文件main.py中包含以下功能： - `_get_trip_stop`：该函数用于从整条轨迹中识别出所有停留点和相应的运动轨迹。 - `_write_to_shp`：此函数将轨迹数据输出为shape文件，依赖于OGR库和matplotlib。 整个流程包括间断点的识别、停留点聚类及融合、以及最终的轨迹识别。