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(shù)據(jù)的研究報告，包括一些圖形和統(tǒng)計輸出。

通過解析原始數(shù)據(jù) ，得到模式如下所示

數(shù)據(jù)

?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(shù)據(jù)集，分為32,654個不同的起點/終點。

點擊標題查閱往期內(nèi)容

杭州出租車行駛軌跡數(shù)據(jù)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(shù)據(jù)中發(fā)現(xiàn)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(shù)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(shù)人快（這可能是因為他們經(jīng)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(shù)據(jù)資料。

本文選自《基于出租車GPS軌跡數(shù)據(jù)的研究：出租車行程的數(shù)據(jù)分析》。

點擊標題查閱往期內(nèi)容

基于出租車GPS軌跡數(shù)據(jù)的研究：出租車行程的數(shù)據(jù)分析
用數(shù)據(jù)告訴你出租車資源配置是否合理
把握出租車行駛的數(shù)據(jù)脈搏 ：出租車軌跡數(shù)據(jù)給你答案!
基于出租車GPS軌跡數(shù)據(jù)的研究：出租車行程的數(shù)據(jù)分析
用數(shù)據(jù)告訴你出租車資源配置是否合理
共享單車大數(shù)據(jù)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(shù)量
消費者共享汽車使用情況調查
新能源車主數(shù)據(jù)圖鑒
python研究汽車傳感器數(shù)據(jù)統(tǒng)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