# 2019年芝加哥Divvy单车出行明细数据集-365万骑行记录-季度分表-站点用户全覆盖-城市交通流与行为分析权威资源

## 数据集简介
本数据集收录了2019年芝加哥Divvy公共自行车系统全年的出行明细，分为四个季度CSV文件，总计365万余条骑行记录。每条记录包含骑行起止时间、站点、用户类型、性别、出生年份等多维信息，适用于城市交通流建模、出行行为分析、用户画像、站点热度等多领域研究，是智慧城市与交通优化的权威数据基础。

## 数据基本信息

### 字段描述表
| 字段名 | 类型 | 含义 | 示例 | 完整性 |
|--------|------|------|------|--------|
|trip_id|整数|骑行记录唯一ID|21742443|100%|
|start_time|日期时间|骑行起始时间|2019-01-01 00:04:37|100%|
|end_time|日期时间|骑行结束时间|2019-01-01 00:11:07|100%|
|bikeid|整数|单车编号|2167|100%|
|tripduration|数值|骑行时长（秒）|390.0|100%|
|from_station_id|整数|起点站ID|199|100%|
|from_station_name|字符串|起点站名称|Wabash Ave & Grand Ave|100%|
|to_station_id|整数|终点站ID|84|100%|
|to_station_name|字符串|终点站名称|Milwaukee Ave & Grand Ave|100%|
|usertype|字符串|用户类型（Subscriber/Customer）|Subscriber|100%|
|gender|字符串|性别（Male/Female/空）|Male|部分缺失|
|birthyear|整数|出生年份|1989|部分缺失|

### 分布与统计
- Q1：365070条（Divvy_Trips_2019_Q1.csv，含表头）
- Q2：1108163条（Divvy_Trips_2019_Q2.csv，含表头）
- Q3：704055条（Divvy_Trips_2019_Q3.csv，含表头）
- Q4：1640718条（Divvy_Trips_2019_Q4.csv，含表头）
- 总计：3650106条
- 时间跨度：2019-01-01至2019-12-31，覆盖全年
- 站点分布：芝加哥市区主要站点全覆盖
- 用户类型：Subscriber（会员）、Customer（临时用户）

### 数据优势三列表
| 优势 | 具体表现 | 应用价值 |
|------|----------|----------|
|全量明细|365万条全年出行记录，细粒度到每次骑行|支持微观出行行为、交通流建模、用户画像分析|
|多维属性|时间、站点、用户类型、性别、年龄等全覆盖|支撑多维度行为分析、站点热度、用户分层研究|
|标准结构|季度分表，字段规范，易于批量处理|便于大数据分析、机器学习建模、可视化展示|

## 多样化样本（节选）
- 21742443,2019-01-01 00:04:37,2019-01-01 00:11:07,2167,390.0,199,Wabash Ave & Grand Ave,84,Milwaukee Ave & Grand Ave,Subscriber,Male,1989
- 21742444,2019-01-01 00:08:13,2019-01-01 00:15:34,4386,441.0,44,State St & Randolph St,624,Dearborn St & Van Buren St (*),Subscriber,Female,1990
- 22178529,2019-04-01 00:02:22,2019-04-01 00:09:48,6251,446.0,81,Daley Center Plaza,56,Desplaines St & Kinzie St,Subscriber,Male,1975
- 22178530,2019-04-01 00:03:02,2019-04-01 00:20:30,6226,1048.0,317,Wood St & Taylor St,59,Wabash Ave & Roosevelt Rd,Subscriber,Female,1984

## 应用场景
1. 城市交通流与出行行为建模
依托365万条骑行明细与站点信息，可实现对城市居民出行模式、交通流时空分布、站点热度与迁移规律的深入建模。支持极端天气、节假日、时段等多维度分析，为交通优化、基础设施规划、智慧出行服务提供科学依据。

2. 用户画像与市场细分分析
结合用户类型、性别、年龄等属性，可开展会员与临时用户行为差异、用户生命周期、市场细分等分析。助力精准营销、会员服务优化、用户增长策略制定。

3. 站点热度与运维调度优化
基于起止站点明细，支持站点热度排名、潮汐流动分析、单车调度优化等运维场景。为城市单车系统高效运转与资源配置提供数据支撑。

## 结论
本数据集以其全量、细粒度、多维结构的特性，为城市交通、行为科学、智慧城市等领域的研究与应用提供了坚实的数据基础。所有数据均为结构化CSV，便于直接分析与建模，适合高质量科研与工程落地。