数据集笔记:GeoLife GPS 数据 （user guide）

数据链接：https://www.microsoft.com/en-us/download/details.aspx?id=52367

1 数据基本信息

1.1 数据介绍

• 182名用户在超过三年的时间内（从2007年4月到2012年8月）在（微软亚洲研究院）Geolife项目中收集的。
• 该数据集的GPS轨迹由一系列带有时间戳的点组成，每个点都包含纬度、经度和海拔的信息
• 数据集包含17,621条轨迹，总距离大约为120万公里，总持续时间为50,176小时
• 这些轨迹是由不同的GPS记录仪和GPS手机记录的，并且具有各种不同的采样率
• 91%的轨迹是以密集的表示方式记录的，例如每15秒或每510米记录一个点

• 该数据集记录了用户广泛的户外活动，包括不仅是日常生活例行公事如回家和上班，还有一些娱乐和运动活动，如购物、观光、用餐、徒步和骑自行车

1.2 数据的分布

• 尽管这个数据集在中国的30多个城市以及美国和欧洲的一些城市中有广泛的分布，但大部分数据是在中国北京生成的。
• 图1显示了这个数据集在北京的分布（热图）。热条右侧的数字表示在某一位置生成的点数。

1.3 轨迹的距离和持续时间

• 轨迹的距离和持续时间的分布分别在图2和图3中呈现。

1.4 每个用户GPS数据数量

• 在数据收集程序中，部分用户携带GPS记录仪达数年之久，而其他一些用户仅有几周的轨迹数据集。
• 这个分布在图4中呈现，而每个用户收集的轨迹数量的分布则在图5中显示。

2 数据新颖的地方——出行方式

• 73名用户已经用交通方式给他们的轨迹贴上了标签，如驾驶、乘坐公交车、骑自行车和步行。
• 虽然这仅涵盖了数据集的一部分，但规模仍然可以支持出行方式的学习。

3 数据格式

3.1 轨迹数据

3.2 通行方式label

出行方式有：walk , bike , bus , car , subway, train , airplane , boat , run and motorcycle .

4 数据形式

一共182个文件夹，每个代表一个用户的所有轨迹

每个PLT文件包含一个单独的轨迹，并以其开始时间命名。为了避免时区可能造成的混淆，我们在每个点的日期/时间属性中使用了格林威治标准时间（GMT） 

部分的label数据：