nyc-taxi

该数据集包含2013年5月1日至7日的纽约市出租车行程数据，不包括往返斯塔滕岛的行程。数据集包含2,957个序列，共362,374个事件和8种位置类型。

This dataset contains New York City taxi trip data spanning May 1 through 7, 2013, excluding trips to and from Staten Island. It includes 2,957 sequences, with a total of 362,374 events, and covers 8 types of locations.

原始信息汇总

NYC Taxi Trip Dataset

概述

• 数据集名称: NYC Taxi Trip Dataset
• 数据来源: NYC Taxi Trips
• 数据时间段: 2013年5月1日至7日
• 数据范围: 不包括Staten Island的行程
• 数据规模: 2,957个序列，362,374个事件，8种位置类型
• 数据预处理: 详细的数据预处理步骤见论文

许可

• 许可证: CC0 1.0

语言

• 语言: 英语

数据大小

• 数据大小: 1K<n<10K

搜集汇总

数据集介绍

构建方式

NYC Taxi Trip数据集基于2013年5月1日至7日纽约市的出租车行程数据构建，排除了往返史坦顿岛的行程。数据经过详细预处理，生成了包含2,957个序列、362,374个事件和8种地点类型的数据集。预处理步骤参考了TPP-LLM和TPP-LLM-Embedding两篇论文中的方法，确保了数据的规范性和可用性。

特点

该数据集涵盖了纽约市核心区域的出租车行程信息，具有较高的时空分辨率。数据中不仅包含行程的起点和终点，还记录了事件序列和地点类型，为研究城市交通模式、时间点过程建模等提供了丰富的信息。其规模适中，适合用于机器学习模型的训练与验证。

使用方法

该数据集可用于时间点过程建模、交通模式分析等研究领域。用户可通过下载链接获取原始数据，并结合TPP-LLM系列论文中的方法进行数据预处理和模型训练。使用该数据集时，需遵循纽约市的条款与条件，并在相关研究中引用提供的论文以支持学术规范。

背景与挑战

背景概述

NYC Taxi Trip数据集由Zefang Liu和Yinzhu Quan等研究人员于2024年创建，旨在为时间点过程（Temporal Point Processes, TPP）的研究提供支持。该数据集涵盖了2013年5月1日至7日期间纽约市的出租车行程数据，排除了与史泰登岛相关的行程，共包含2,957个序列、362,374个事件以及8种地点类型。该数据集的核心研究问题在于如何通过大规模语言模型（LLM）高效地建模时间点过程，从而提升对复杂事件序列的预测和分析能力。其研究成果已在TPP-LLM相关论文中发表，为时间序列分析和城市交通研究领域提供了重要的数据支持。

当前挑战

NYC Taxi Trip数据集在解决时间点过程建模问题时面临多重挑战。首先，出租车行程数据具有高度动态性和复杂性，如何从海量事件中提取有效的时间序列模式是一个关键难题。其次，数据预处理过程中需要处理大量噪声和不完整信息，例如行程记录的缺失或错误，这对数据的质量和可用性提出了较高要求。此外，如何将时间点过程与大规模语言模型结合，以实现高效的事件序列预测，也是当前研究的核心挑战之一。这些挑战不仅体现在算法设计上，还涉及数据存储、计算资源分配等多方面的技术问题。

常用场景

经典使用场景

NYC Taxi Trip数据集在交通流量分析和城市交通管理领域具有广泛的应用。研究人员利用该数据集中的出租车行程数据，能够深入分析纽约市内的交通模式、高峰时段的拥堵情况以及乘客的出行习惯。这些分析结果对于优化交通信号灯控制、减少交通拥堵以及提升城市交通系统的整体效率具有重要意义。

解决学术问题

该数据集为研究时间点过程（Temporal Point Processes, TPP）提供了丰富的实验数据。通过分析出租车行程的时间序列数据，研究人员能够开发新的模型来预测未来事件的发生时间和地点，从而解决时间序列预测中的关键问题。此外，该数据集还支持对大规模时空数据的处理和分析，推动了相关算法的发展。

衍生相关工作

NYC Taxi Trip数据集衍生了一系列经典研究工作，特别是在时间点过程建模和大规模时空数据分析领域。例如，Liu和Quan的研究工作《TPP-LLM: Modeling Temporal Point Processes by Efficiently Fine-Tuning Large Language Models》和《Efficient Retrieval of Temporal Event Sequences from Textual Descriptions》利用该数据集开发了新的时间点过程模型，显著提升了时间序列预测的准确性和效率。这些工作为后续研究提供了重要的理论基础和技术支持。