GPS轨迹数据集免费下载资源整理(转载)

 

1. GeoLife GPS Trajectories

该GPS轨迹数据集出自微软研究GeoLift项目。从2007年四月到2012年八月收集了182个用户的轨迹数据。这些数据包含了一系列以时间为序的点，每一个点包含经纬度、海拔等信息。包含了17621个轨迹，总距离120多万公里，总时间48000多小时。这些数据不仅仅记录了用户在家和在工作地点的位置轨迹，还记录了大范围的户外活动轨迹，比如购物、旅游、远足、骑自行车。

这个数据集可以用来进行用户活动相似度估算，移动模型挖掘，用户活动推荐，基于位置的社交网络，位置隐私，位置推荐。

        时间：2007年4月～2012年8月

        数据大小：大概300M.

        下载地址：[https://www.microsoft.com/en-us/download/details.aspx?id=52367](https://www.microsoft.com/en-us/download/details.aspx?id=52367)
           数据集下载地址：
https://www.microsoft.com/en-us/research/publication/t-drive-trajectory-data-sample/

    数据详细说明：

https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/User_guide_T-drive.pdf

另外为各位备份到百度云下面了： https://pan.baidu.com/s/1mTxei4K8hHVGREhwwKl85g

2. GPS Trajectories with transportationmode labels

这个数据集是微软亚洲研究院Geolift项目用到的GPS轨迹数据集的一部分。这个数据集代表按时间顺序排序的点集，每一个点所包含的信息有经纬度、高度、速度和当前朝向等等。这些轨迹数据是由不同的GPS设备收集的，这些设备的数据收集频率是不一样的。95%的轨迹是密集的，比如每2～5秒或者每5～10米一个点。

轨迹数据文件被转换成了.plt格式，每一个轨迹还有一个单独文件存储的交通方式标签文件，比如开车、坐公交车、骑自行车、步行。

    时间：2008年
    数据集大小：大概80M。
    下载地址：

https://www.microsoft.com/en-us/research/publication/gps-trajectories-with-transportation-mode-labels/

3. 社交网络签到数据集：

这是一个基于社交网络的网站的用户签到的数据集，来自斯坦福大学网站。好友网络不是直接相连接的，这些数据是通过网站的公共接口获取的，包含了196591个节点和950327个边。从2009年2月到2010年10月总共收集了6442890个签到记录。

    数据集下载地址：https://snap.stanford.edu/data/loc-gowalla.html

这个也是上面同一家网站所产生的数据，也是基于社交网络数据，大约300M， 详情和下载网址为；http://www.yongliu.org/datasets

 2013年Foursquare的数据集(150M)：

    详情：https://archive.org/details/201309_foursquare_dataset_umn
    下载：https://archive.org/download/201309_foursquare_dataset_umn
    其他check-in数据集下载地址： https://sites.google.com/site/yangdingqi/home/foursquare-dataset

4. 国家飓风中心的数据

（1）大西洋飓风数据库，时间为1851到2015年之间，这个数据集在2016年7月6日提供，包含了1956年到1960年修订之后的。这个数据集叫HURDAT2， 之前那个HURDAT被替换了。

    数据大小：5.9MB.
    下载地址：http://www.nhc.noaa.gov/data/hurdat/hurdat2-1851-2015-070616.txt

5. 其他数据

时空数据，网络数据， 数据流， 神经图像数据，生物信息学（基因表达）数据集http://dm.uestc.edu.cn/resource/

Natural Earth :http://www.naturalearthdata.com/

Machine Learning Repository: http://archive.ics.uci.edu/ml/

Google Trends Datastore: http://googletrends.github.io/data/

Open Data Network: https://www.opendatanetwork.com/