Advertisement

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

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


简介:
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Geolife 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。
  • Geolife1.3.z01部分(GPS)
    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.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-Trajectories-Clustering: 快速GPS聚类-源码
    优质
    GPS-Trajectories-Clustering是一款高效的GPS轨迹数据处理工具,提供快速精准的聚类分析功能。该开源项目助力研究者和开发者深入挖掘位置大数据中的模式与趋势。 GPS轨迹聚类可以通过使用RDP方法减少GPS数据点的数量来加快距离矩阵的计算速度,并利用相似性度量库计算折线到折线的距离。之后,可以应用DBSCAN算法对GPS轨迹进行聚类分析。最后,使用matplotlib工具可视化显示轨迹和簇的结果。
  • GPS
    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。
  • GeoLife
    优质
    GeoLife数据集是由微软亚洲研究院发布的大型GPS轨迹数据集合,包含超过18万用户的3亿多GPS点,广泛应用于位置感知、移动计算和旅游推荐等领域。 微软亚洲研究院公开的GeoLife数据集适用于数据挖掘等领域。
  • 出租车的可视化分析:Taxi-Trajectories
    优质
    《Taxi-Trajectories》专注于出租车行驶路径的数据可视化与深入分析,旨在探索城市交通模式及优化方案。 Taxi-Trajectories用于可视化分析出租车轨迹数据。
  • 成都市出租车GPS(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)。
  • GeoLife中提取北京地区的用户
    优质
    本研究聚焦于从大规模移动应用GeoLife中抽取并分析北京市用户的轨迹数据,旨在深入探究城市居民出行模式与行为特征。 在用户的轨迹目录下创建了一个新的文件夹(名为databad),并将不在北京市区的轨迹数据文件移动到该文件夹中。
  • NGSIM
    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。