取出租车路线，与民车路线结合，形成数据集进行分类。使用地图（例如，来自谷歌）将每条路线分解为一系列路段，从交叉路口到交叉路口。如果您只有 GPS 轨迹，这将涉及时空分割。（十字路口/终点站是汽车去但停在的地方，路段是汽车从一个十字路口到达另一个十字路口的地方）。将这些建模为分类变量（路段 1、2、3 等）；抽象出物理位置。然后训练一个分类器，然后接受一个序列作为输入（例如，循环神经网络）。使用出发时间作为另一个特征，建模为两个实变量，$\cos(2*\pi*t/24), \sin(2*\pi*t/24)$， 在哪里$0<t<24$. 如果您有非常准确的 GPS 信息，我也会尝试估计车道交叉率；出租车司机以其激进的驾驶而闻名，而车道交叉的速度可以很好地捕捉到这一点。最后，使用一对布尔变量来记录出发地和目的地是否是停车区，如果你能得到这个信息。我想出租车将更有可能在禁止的地方开始和停止。

剩下的就是你常用的超参数优化黑魔法了。

如果除了将给定路线归类为出租车驱动之外，您还希望能够做任何事情，请说出来。