Làm thế nào để lấy được đường đi của xe từ dữ liệu vị trí được đánh dấu thời gian?


8

Tôi đã có một loạt dữ liệu vị trí cho máy cày tuyết. Có một id duy nhất cho mọi máy cày, dấu thời gian và tọa độ x & y.

Thay vì biết hàng trăm đường cày ở đâu trong một phút, tôi muốn biết đường nào đã bị cày.

Tôi biết có nhiều cách để chuyển điểm sang polylines, nhưng có ai biết phương pháp nào để chụp các điểm vào lưới đường không? Nói cách khác, bắt nguồn từ những con đường xe cộ ôm lấy đường phố?

Lý do tôi nghĩ rằng việc chuyển hướng sang polylines có lẽ là không đủ vì tôi chỉ có dữ liệu vị trí cho mỗi lần cày cứ sau 60 giây. Điều này có nghĩa là không có các điểm phối hợp khi cày quay tại một giao lộ nhất định, vì vậy nếu bạn chỉ vẽ các đường giữa các điểm, một số trong số chúng sẽ cắt qua các khối.


1
Đây là một vấn đề thú vị. Thỏa thuận là giữa 60 giây, máy cày có thể đi qua một số đường phố. Tôi sẽ đề nghị kết nối các điểm và giao cắt các điểm với polylines, nhưng điều đó có thể mang lại cho bạn một kết quả vô lý, cho thấy cách cày nhiều hơn sau đó những gì thực sự xảy ra.
George Silva

1
Làm thế nào nhanh chóng để tuyết đi du lịch? Bao lâu là những con đường họ cày? Chỉ cần tự hỏi có bao nhiêu đoạn đường sẽ bị bỏ lỡ giữa các điểm.
Simbamangu

3
Các máy cày có 'lộ trình' mỗi se không?
Lông

Câu trả lời:


4

Cách tiếp cận thông thường bao gồm hai bước:

  1. Khớp bản đồ

    Quá trình "chụp" vị trí xe vào hình học đường phố. Cách tiếp cận tầm thường là đưa vị trí xe đến điểm gần nhất trên hình học đường gần nhất. (Có nhiều cách tiếp cận tinh vi hơn, mà tôi chắc chắn rằng bạn có thể google dễ dàng.)

  2. định tuyến

    Sau khi khớp bản đồ, bạn có thể định tuyến giữa hai điểm liên tiếp. Ở đây một lần nữa, cách tiếp cận dễ nhất là tìm con đường ngắn nhất. Tuyến đường này có thể cho bạn biết những con đường đã được cày và khi nào.


2

Đối với trường hợp so khớp bản đồ tỷ lệ lấy mẫu thấp, tôi sẽ kiểm tra bài viết này trong đó các tác giả sử dụng cơ sở dữ liệu về các quỹ đạo được quan sát trước đó để giúp xác định 'các đường dẫn có khả năng'. Nó dựa trên ý tưởng rằng mọi người có nhiều khả năng đi qua các con đường phổ biến.

Nếu bạn không có sẵn dữ liệu để sử dụng, một cách tiếp cận đơn giản hơn được đưa ra trong bài viết này cho cùng một vấn đề (tức là tỷ lệ lấy mẫu thấp). Mặc dù tôi không nghĩ rằng nó không bao giờ được nêu rõ ràng, các tác giả sử dụng mô hình markov ẩn và xác định đường dẫn có khả năng nhất. Mô hình của họ khá đơn giản: các quan sát thường được phân phối về một đoạn đường, sự chuyển tiếp giữa các đường dựa trên khoảng cách trọng số giữa các đoạn.

Cuối cùng, câu hỏi này và câu trả lời của nó cũng có thể được bạn quan tâm.

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.