原文連結：http://tecdat.cn/?p=7553
最近我們被客戶要求撰寫關於計程車的研究報告，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個計程車行程的數據集，分為32,654個不同的起點/終點。
點擊標題查閱往期內容
杭州計程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，位於東79街和約克大街的計程車站一直將上東區的居民帶到華爾街。
我在數據中發現了沿著這條路線的252,210次記錄。計程車平均需要20.35分鐘才能以22.11 mph的速度行駛。當然，凌晨4點計程車的行駛速度更快，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，最忙的計程車沿該路線行駛234次（只有7輛計程車沿該路線行駛100次）：
儘管前十名最常見的計程車司機的平均速度可以預測，但他們的速度並沒有比大多數人快（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《基於計程車GPS軌跡數據的研究：計程車行程的數據分析》。
點擊標題查閱往期內容
基於計程車GPS軌跡數據的研究：計程車行程的數據分析
用數據告訴你計程車資源配置是否合理
把握計程車行駛的數據脈搏 ：計程車軌跡數據給你答案!
基於計程車GPS軌跡數據的研究：計程車行程的數據分析
用數據告訴你計程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
新能源車主數據圖鑑
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