"英文标题：Global Food Delivery Rider Trajectory Remote Sensing Image Dataset
数据集概述
记录全球主要城市外卖配送场景下，骑手定位与配送轨迹的遥感反演影像信息，涵盖骑手实时位置、轨迹路径、停留点等配送全流程关键空间特征。
数据基于遥感反演技术生成，按配送时段、服务区域组织，覆盖全球核心餐饮外卖活跃城市，具备细粒度地理覆盖能力。颗粒度精确至区域级空间单元、分钟级时间维度，支持配送轨迹的时空关联分析与运营效率评估。数据结构遵循地理信息领域标准的栅格/矢量影像格式，字段定义清晰，可直接用于空间分析模型构建。
该数据集是解析外卖配送网络空间特征与运营规律的基础资源。配送轨迹的时空分布直接反映餐饮需求密度、骑手运力配置效率及城市交通拥堵影响，掌握这些特征对于配送平台优化路线规划、餐饮商家调整出餐策略、城市管理部门研判交通疏导方案均具有实际价值。长时序的轨迹影像还可用于验证配送场景的季节性规律、高峰时段特征及与城市功能区的关联性。
字段详情
数据集包含以下核心字段：
remote_sensing_time：遥感反演时间，格式YYYY-MM-DD HH:MM:SS，指影像生成的精确时点rider_location_wgs84：骑手定位坐标，单位度（经纬度），采用WGS84地理坐标系，标识骑手实时位置delivery_trajectory_vector：配送轨迹矢量，格式ESRI Shapefile，指骑手从取餐到送餐的连续路径stay_point_duration_s：停留点时长，单位秒，指骑手在取餐点、送餐点的停留时间service_area_raster：服务区域栅格，分辨率10米，指骑手配送覆盖的空间范围
适用场景
- 外卖平台构建智能路线规划模型，优化骑手配送路径与运力调度
- 城市交通管理部门分析配送高峰时段的交通流量特征，制定疏导策略
- 餐饮连锁企业评估不同区域的配送时效，调整门店布局与出餐节奏
- 地理信息科研团队研究城市服务网络的空间演化与效率评估
- 政策研究机构研判外卖配送对城市交通与居民生活的影响"
