基于出租車GPS軌跡數據的研究：出租車行程的數據分析|附代碼數據
原文鏈接：http://tecdat.cn/?p=7553
最近我們被客戶要求撰寫關于出租車GPS軌跡數據的研究報告，包括一些圖形和統計輸出。
通過解析原始數據 ，得到模式如下所示
數據
?每次騎行都有非常具體的上/下車位置以及開始/結束時間的詳細信息。?下面顯示了一個示例?：
?我們留下了158,320,608個出租車行程的數據集，分為32,654個不同的起點/終點。
點擊標題查閱往期內容
杭州出租車行駛軌跡數據空間時間可視化分析
左右滑動查看更多
01
02
03
04
自1987年以來，位于東79街和約克大街的出租車站一直將上東區(qū)的居民帶到華爾街。?
我在數據中發(fā)現了沿著這條路線的252,210次記錄。出租車平均需要20.35分鐘才能以22.11 mph的速度行駛。當然，凌晨4點出租車的行駛速度更快，但是大多數人直到凌晨6點或凌晨7點才開始上下班：
?一年中，最忙的出租車沿該路線行駛234次（只有7輛出租車沿該路線行駛100次）：
盡管前十名最常見的出租車司機的平均速度可以預測，但他們的速度并沒有比大多數人快（這可能是因為他們經常每天長時間開車）。?
?
?
SELECT
?pickup_street1, pickup_street2, dropoff_street1, dropoff_street2,
?trips_medallion, trips_pickup_datetime, trips_dropoff_datetime,
?ROUND(trips_avg_mph,4) AS avg_mpg,
?ROUND(trips_trip_duration_hours,4) AS num_hours
FROM ?[taxi_strava.joined_geohash_geonames]WHERE ?trips_geohashed_dropoff = 'dr5ru2'
?AND trips_geohashed_pickup = 'dr5rvj'
點擊文末?“閱讀原文”
獲取全文完整代碼數據資料。
本文選自《基于出租車GPS軌跡數據的研究：出租車行程的數據分析》。
點擊標題查閱往期內容
基于出租車GPS軌跡數據的研究：出租車行程的數據分析
用數據告訴你出租車資源配置是否合理
把握出租車行駛的數據脈搏 ：出租車軌跡數據給你答案!
基于出租車GPS軌跡數據的研究：出租車行程的數據分析
用數據告訴你出租車資源配置是否合理
共享單車大數據報告
R語言用泊松Poisson回歸、GAM樣條曲線模型預測騎自行車者的數量
消費者共享汽車使用情況調查
新能源車主數據圖鑒
python研究汽車傳感器數據統計可視化分析
R語言ggmap空間可視化機動車交通事故地圖
R語言ggmap空間可視化機動車碰撞–街道地圖熱力圖
