该数据是北京市10357辆出租车一周的轨迹数据，包含字段：车辆id, 时间，经度，纬度，如下所示 1,2008-02-02 15:36:08,116.51172,39.92123 1,2008-02-02 15:46:08,116.51135,39.93883 1,2008-02-02 15:46:08,116.51135,39.93883 1,2008-02-02 15:56:08,116.51627,39.91034

时空轨迹数据是带有时间和空间信息的序列数据，数据获取成本低，覆盖范围广，且拥有时态特性，既可以进行微观个体活动模式的研究，也可以进行宏观活动系统的城市空间结构的研究。今天将分享一套出租车轨迹数据，该数据包含北京市2008年一周内10000+辆出租车、10分钟采样频率、1千万条以上的轨迹。

针对社会安全事件中异常行为信息识别挖掘难等问题，提出一种基于改进密度聚类与模式信息挖掘的异常轨迹识别方法。首先，针对采样问题，结合Hausdorff距离思想重新定义一种改进型DTW距离，用于描述轨迹具体行为，而MBR距离下的延伸定义，则用于描述轨迹覆盖区域热度。其次，在CFSFDP算法的密度关联与决策模型下，基于支持向量机回归（SVR，support vector regression）提出了特定支持向量机回归（SSVR，specific support vector regression），利