数据集概述
本数据集包含中国五个城市的外卖物流取货和送货记录，以及相关道路网络信息，涵盖取货订单531,115条、送货订单472,419条和道路网络531,280条记录。数据聚焦于快递员任务事件、位置坐标和时间信息，时间范围为3月18日至4月1日期间。数据来源于物流平台的实际运营记录，提供详细的GPS定位和任务时间戳，支持物流路径优化和城市交通分析。
数据内容
数据集由三个文件组成，总记录超过150万条。pickup_five_cities.csv文件包含531,115条取货记录，涉及五个城市，其中杭州市占比约35%、上海市约27%、重庆市约22%、烟台市约14%、吉林市约2%。delivery_five_cities.csv文件包含472,419条送货记录，覆盖杭州市约39%、上海市约35%、重庆市约26%。roads.tsv文件包含531,280条道路网络记录，涵盖五个城市的道路类型、速度限制和几何信息，其中上海市道路占比约31%、烟台市约24%、重庆市约23%、杭州市约18%、吉林市约4%。主要统计特征包括位置坐标跨度广泛，任务时间精确到分钟，类别字段如道路类型有27种分布均衡。
字段定义
数据集包含以下核心字段类别:
- 包信息: 订单ID(order_id)、时间窗口开始(time_window_start)、时间窗口结束(time_window_end)
- 停靠信息: 经纬度(lng/lat)、城市(city)、区域ID(region_id)、兴趣区ID(aoi_id)、兴趣区类型(aoi_type)
- 快递员信息: 快递员ID(delivery_user_id或courier_id)
- 任务事件信息: 接受时间(accept_time)、接受GPS时间(accept_gps_time)、接受GPS经纬度(accept_gps_lng/lat)、取货时间(got_time或pickup_time)、取货GPS时间(got_gps_time或pickup_gps_time)、取货GPS经纬度(got_gps_lng/lat)、送货时间(receipt_time或delivery_time)、送货GPS时间(receipt_gps_time或delivery_gps_time)、送货GPS经纬度(receipt_lng/lat或delivery_gps_lng/lat)、签收时间(sign_time)
- 上下文信息: 日期(ds)
- 道路信息: OSM ID(osm_id)、代码(code)、类别(fclass)、名称(name)、参考(ref)、单向(oneway)、最高速度(maxspeed)、层级(layer)、桥梁(bridge)、隧道(tunnel)、几何(geometry)
数据特征
数据集样本量大，覆盖五个主要城市，提供高精度的GPS坐标和时间戳信息，确保位置数据准确性强。任务事件记录完整，类别分布均衡，如道路类型覆盖住宅路、主干道和服务路等，支持多维度分析。时间跨度连续，适合动态模拟和预测建模。数据完整性高，核心字段缺失率低，几何信息详尽，便于空间分析和路径优化。
适用场景
本数据集适用于以下分析与应用场景:
- 物流路径优化: 构建模型规划快递员取货送货路线以提升效率
- 城市交通分析: 评估道路网络对物流配送的影响
- 任务时间预测: 基于历史时间戳预测取货和送货延误
- 快递员调度研究: 分析快递员分布和任务分配模式
- 位置数据挖掘: 识别热门兴趣区和区域物流需求
- 机器学习建模: 训练预测模型用于需求 forecasting 和异常检测
- 空间可视化: 绘制城市物流热力图和路径轨迹
