滴滴出行

Flink China Meetup社区线下Meetup·北京站PPT资料分享。余海琳介绍了Flink在滴滴出行中的应用与实践经验。

Hbase是一个开源的、分布式的列式存储系统，构建在Apache Hadoop文件系统（HDFS）之上，提供实时读写能力，适合处理海量结构化数据。在滴滴出行数据分析项目中，Hbase用于存储爬取的原始运营数据，具备高并发读写、水平扩展和强一致性等特性，确保数据高效存储和快速访问。此外，使用Hive进行数据仓库处理和分析，利用HQL查询语言执行复杂的统计和计算。Sqoop作为数据迁移工具，负责将Hive分析的数据导入MySQL数据库，便于业务应用和报表生成。MySQL作为数据分析后的存储介质，管理和持久化处理过的结构化数据。最后，通过Python进行数据可视化，生成柱状图和饼图，直观展示滴滴出行

matlab 的sin函数源码 + 滴滴平台数据获取器的组合资源，还挺有意思的。虽然项目本身是个废弃备份，但里面的example.py还能跑，能看看怎么调用以前爬下来的城市出行数据。尤其对新手来说，边看边学，比纯理论更直观。

通过分析旅客团体的出行目的，研究人员可深入了解其行为模式。本研究对出行目的进行了分类，为进一步理解和预测旅客团体行为提供了依据。

这个项目是关于滴滴打车系统数据库的实现，包括实验文档和源代码。项目实现了注册、登录、叫车、接单、退单等核心功能。

滴滴数据科学家的业务增长分享，思路清晰、干货不少。整篇 PDF 讲了怎么用数据思维从到落地，真正跑通一个增长闭环。像是埋点设计、指标定义、实验验证，讲得都挺实在的，适合产品、运营和前端一起看。 滴滴的数据驱动体系，重点在“闭环”。不是说完就完事，而是要跑全链路：数据采集、建模、业务落地、效果评估，再优化。这思路你在实际项目里也能用，比如你做了个推荐模块，能不能拉新、转化好不好？这都能靠数据说话。 文档里对 A/B 测试讲得挺透，比如怎么设计分组、怎么选关键指标、怎么确定显著性。嗯，如果你还在靠拍脑袋上线功能，这部分真值得看看。推荐结合自己业务做法读，有不少灵感。 另外，我顺手翻了些相关文章，也

童咏昕老师在CCF会议上的“面向共享出行的时空众包计算”PPT展示了如何利用时空众包技术优化共享出行服务。这一技术通过整合时间和地点信息，实现了更高效的出行方式，为城市交通提供了创新解决方案。

云栖TechDay - 哈啰在上海站的活动中，周飞演讲了PostgreSQL在出行新业务场景中的应用。主要讨论了LBS的禁停区和规范停车区的GIS使用、订单指数增长的实时分析需求、逻辑复制和分区表应用中遇到的挑战，以及针对高QPS和数据库雪崩问题的解决方案。他还介绍了pgwatch2在RDS监控中的应用，以及利用RDS数据库审计日志的优势。

2015年全国数学建模B题涉及滴滴苍穹数据的详细分析。附带数据说明。

旅客出行特征的统计资源挺适合做数据可视化或调研类项目的参考素材。里面的调查内容够细，像月收入、出行目的、交通工具选择都有涉及，而且区分了不同里程段的出行偏好。你要是做ECharts或D3.js相关的可视化，拿它做练习合适。数据来自铁路专线背景，年代是 2005 年，不过一些出行规律到现在都还蛮有参考价值的。