出租车订单时效预测数据集TaxiOrderTurnaroundTimePredictionDataset-omnamahshivai
数据来源：互联网公开数据
标签：出租车, 时效预测, 交通运输, 机器学习, 地理位置, 线路规划, 数据分析, 订单管理
数据概述：
该数据集包含来自出租车订单的数据，记录了出租车订单的各项指标，用于预测订单的完成时间（Turnaround Time, TAT）。主要特征如下：
时间跨度：数据记录的时间范围为2019年8月22日。
地理范围：数据可能来源于特定城市或区域的出租车订单数据，具体地理范围未明确说明。
数据维度：数据集包括多个维度，如：
pickup_lat-pickup_lon：上车地点纬度和经度；
drop_lat-drop_lon：下车地点纬度和经度；
distance：订单行驶距离；
drop_metro, drop_non_metro, pickup_metro, pickup_non_metro：上下车地点是否位于地铁覆盖区域；
actual_TAT_hour：实际完成时间（小时）；
actual_TAT_slot_1至actual_TAT_slot_23：将TAT划分为多个时间槽的表示。
数据格式：CSV格式，包含两个文件，分别命名为TAT_Prediction_Avatar2_Test_1_Version_2_22_08_2019_Revised.csv 和 TAT_Prediction_Avatar2_Train_1_Version_2_22_08_2019_Revised.csv，方便数据分析和模型构建。
来源信息：数据来源于出租车订单记录，已进行清洗和预处理。
该数据集适合用于交通运输领域的时间序列分析和预测，以及出租车订单管理优化。
数据用途概述：
该数据集具有广泛的应用潜力，特别适用于以下场景：
研究与分析：适用于交通运输、城市规划等领域的学术研究，例如出租车调度优化、交通流量预测等。
行业应用：可以为出租车公司、网约车平台提供数据支持，用于提升订单管理效率、优化车辆调度。
决策支持：支持城市交通管理部门进行交通规划和拥堵缓解策略制定。
教育和培训：作为交通运输、数据科学等相关课程的实训材料，帮助学生理解和应用时间序列预测模型。
此数据集特别适合用于探索影响出租车订单完成时间的因素，并构建预测模型，从而实现更高效的订单管理和资源分配。
