Geolife轨迹数据集1.3.z01部分(GPS轨迹大数据)

5星

浏览量: 0

大小:None

文件类型：None

简介：
简介：Geolife轨迹数据集1.3.z01部分包含来自全球各地用户的GPS轨迹数据，是研究位置感知应用和移动性模式的重要资源。该GPS轨迹数据集由182位用户在微软亚洲研究院的Geolife项目中收集，历时超过五年（从2007年4月到2012年8月）。这个数据集中的GPS轨迹通过一系列带有时间戳的数据点表示，每个点包含纬度、经度和海拔高度信息。整个数据集中共有17,621条轨迹，总距离为1,292,951公里，总时长达到50,176小时。这些轨迹由不同的GPS记录设备（包括记录仪和手机）在多种采样率下收集而成。其中的91.5%以密集形式存储，例如每秒采集一次或每隔几米就采集一次数据。该数据集涵盖了广泛的用户户外活动，不仅包含日常生活中的上下班出行等行为模式，还包括娱乐与体育活动如购物、观光、餐饮、远足和骑自行车等。这条轨迹数据集适用于多个研究领域，包括移动模式挖掘、用户活动识别、基于位置的社交网络分析、位置隐私保护及位置推荐服务。尽管该数据集覆盖了中国30多个城市以及美国和欧洲的部分地区，但大部分的数据是在北京产生的。其中一张热图展示了这些GPS点在北京的具体分布情况：位于加热条右侧的数字表示某个地点生成的数据点数量。

全部评论 (0)

还没有任何评论哟~

客服

Geolife轨迹数据集1.3.z01部分(GPS轨迹大数据)

优质

简介：Geolife轨迹数据集1.3.z01部分包含来自全球各地用户的GPS轨迹数据，是研究位置感知应用和移动性模式的重要资源。该GPS轨迹数据集由182位用户在微软亚洲研究院的Geolife项目中收集，历时超过五年（从2007年4月到2012年8月）。这个数据集中的GPS轨迹通过一系列带有时间戳的数据点表示，每个点包含纬度、经度和海拔高度信息。整个数据集中共有17,621条轨迹，总距离为1,292,951公里，总时长达到50,176小时。这些轨迹由不同的GPS记录设备（包括记录仪和手机）在多种采样率下收集而成。其中的91.5%以密集形式存储，例如每秒采集一次或每隔几米就采集一次数据。该数据集涵盖了广泛的用户户外活动，不仅包含日常生活中的上下班出行等行为模式，还包括娱乐与体育活动如购物、观光、餐饮、远足和骑自行车等。这条轨迹数据集适用于多个研究领域，包括移动模式挖掘、用户活动识别、基于位置的社交网络分析、位置隐私保护及位置推荐服务。尽管该数据集覆盖了中国30多个城市以及美国和欧洲的部分地区，但大部分的数据是在北京产生的。其中一张热图展示了这些GPS点在北京的具体分布情况：位于加热条右侧的数字表示某个地点生成的数据点数量。

Geolife轨迹大数据集 GPS Trajectories 1.3.zip part2

优质

Geolife轨迹大数据集 GPS Trajectories 1.3.zip part2包含了来自不同用户的大量GPS轨迹数据，是研究移动行为模式和位置服务的重要资源。该GPS轨迹数据集由182位用户在微软亚洲研究院的Geolife项目中收集，历时超过五年（从2007年4月到2012年8月）。此数据集包含一系列带有时间戳点的信息，每个点包括纬度、经度和海拔高度。该数据集中共有17,621条轨迹，总距离为1,292,951公里，总时长为50,176小时。这些轨迹由不同的GPS记录仪和手机记录，并具有各种采样率。其中91.5%的轨迹以密集形式表示，例如每秒一次或每隔一定米数进行记录（如每1至5秒或每5至10米）。该数据集涵盖了广泛的户外活动类型，包括日常生活中的往返家与工作以及娱乐和体育活动，比如购物、观光、餐饮、远足及骑自行车等。这条轨迹数据集可用于多个研究领域，例如移动模式挖掘、用户行为识别、基于位置的社交网络、隐私保护技术及位置推荐服务。尽管该数据涵盖了中国三十多座城市以及其他一些美国和欧洲的城市，但大部分的数据是在北京生成的。图1展示了这些数据在北京地区的分布情况（以热力图形式呈现），其中位于加热条右侧的数字代表了特定地点产生的点的数量。

Geolife轨迹数据集.zip

优质

Geolife轨迹数据集包含来自全球各地超过300名用户的超过150,000条GPS轨迹记录，涵盖长达7年的出行信息。此数据集广泛应用于位置感知、移动性模式分析及交通研究等领域。个人轨迹数据集包含大量关于个体移动模式的信息，可用于研究人类行为、城市规划等领域。这类数据通常包括位置标记、时间戳和其他相关元数据，为学术界和工业界的分析提供了宝贵的资源。

GPS轨迹数据集合

优质

GPS轨迹数据集合包含大量真实世界的地理位置信息，涵盖多种应用场景，为研究与开发提供宝贵的资源。 GPS轨迹数据集可用于深度学习模型的训练，其中包含有标签的GPS轨迹数据。

轨迹数据

优质

轨迹数据是指通过各种技术手段收集到的对象在特定时间内的移动路径和位置信息集合。这些数据通常用于分析个人或物体的行动模式、优化路线规划以及研究人群流动等场景。所有数据集都可以在相关资料中查看。这里我仅展示一些示例数据。“Data”文件夹中的“POI.txt”包含了芝加哥市中心的商户列表。我已经为咖啡店 [200, 250]、餐馆 [600, 650]、快餐店 [50, 100]、酒吧 [500, 550] 和剧院 [900, 950] 设定了停留时间单位的数量。其他命名格式为“XXXvXXXt”的txt文件是通过随机交通模型生成的，“500v500t”表示了由500辆车在500个时间单位内产生的轨迹数据。我使用 MNTG 生成轨迹，覆盖区域如下所示。然而，在处理超过500v1000t的数据时，MNTG 的性能变得不稳定。因此，为了获得更大规模的轨迹数据集，我将一些原始轨迹进行了合并。“merged_t.txt”是通过在时间维度上合并五个“500v500t”的文件得到的，“merged_v.txt”则是通过对两个“500v500t”文件从车辆数量的角度进行合并而来的。

NGSIM轨迹数据集合

优质

NGSIM轨迹数据集是由美国交通部NEXT GENERATION SIMULATION计划收集的车辆行驶轨迹数据，用于智能交通系统研究与开发。美国高速公路车辆驾驶行为轨迹数据集包含US101的txt和全部csv文件，可供自行下载使用。该数据集适用于标定车辆驾驶行为参数、进行驾驶模拟分析统计等用途。

出租车轨迹数据-数据集

优质

本数据集包含大量真实出租车行驶记录，详细描绘了城市内车辆移动轨迹，为交通分析与智能出行研究提供宝贵资料。这里提供了一个准确的数据集，描述了在葡萄牙波尔图市运行的所有442辆出租车的全年轨迹（从2013年7月1日至2014年6月30日）。这些出租车通过安装在车辆中的移动数据终端与出租车调度中心相连进行操作。该数据集有助于学习地理空间分析和轨迹处理领域的基本方法。

轨迹数据网站集合

优质

轨迹数据网站集合是一个汇聚了全球各类轨迹数据分析与分享平台的综合性站点，为用户提供丰富的研究和应用资源。最近在研究轨迹数据方面的课题，我特意收集了大量关于轨迹的数据资源，其中包括出租车等方面的数据集。

成都市出租车GPS轨迹数据集(taxi.csv)

优质

本数据集包含成都市内出租车的GPS轨迹信息，记录了车辆行驶的时间、位置等详细数据，为城市交通规划和研究提供支持。该数据集已经提前清洗完成，并且只提取了原始数据集中某一天的部分数据，去除了时间段在0点至6点之间的较少数据记录。这些数据记录了成都市部分出租车在载客时的GPS位置和时间等信息，格式为CSV文件。有关上海出租车的数据集可以参考相应的公开资源链接（此处不提供具体链接）。

轨迹数据挖掘

优质

轨迹数据挖掘是指从大量的位置跟踪信息中提取有意义模式和知识的过程，广泛应用于交通规划、市场营销和个人行为分析等领域。基于大数据的轨迹数据挖掘研究 Trajectory Data Mining。