Tính toán thống kê đường thực từ bộ đường ray GPS?

Tôi tham gia vào một câu lạc bộ đạp xe đường dài và chúng tôi bắt đầu thu thập dữ liệu GPS thường xuyên từ các tay đua của chúng tôi.

Quan tâm của tôi là tính toán "quỹ đạo thực sự" cho các sự kiện trong tương lai dựa trên dữ liệu GPS tích lũy trên cùng một con đường. Về cơ bản, điều này có nghĩa là chuyển một số rãnh được chọn trước cho một thuật toán và thuật toán sẽ tạo các điểm ở một tốc độ mẫu thích hợp (khoảng cách thích hợp với nhau tùy thuộc vào các đường cong). Tôi sẽ loại bỏ dấu thời gian, chỉ đưa thông tin theo dõi không gian vào tài khoản.

Những thuật toán / phương pháp thống kê nào tôi có thể sử dụng? Tôi không sử dụng bất kỳ gói GIS nào và tôi dự định thực hiện điều này trong Python.

Dưới đây, một số bộ quỹ đạo mẫu:

nhập mô tả hình ảnh ở đây

gps spatial-statistics tracklog

— heltonbiker
nguồn

Dự án thú vị - khá giống với một thuật toán kiểm tra mà tôi đã viết cách đây nhiều năm. Vì tôi lười biếng, tôi chỉ có thể đưa ra một vài gợi ý. Các yếu tố quan trọng nhất là hướng di chuyển, chất lượng tín hiệu và vận tốc của bạn (ví dụ: nếu bạn chỉ đứng xung quanh, đó không phải là một con đường). Tốt nhất để loại bỏ những điểm quá xa cách đó. Ngoài ra, tôi sẽ áp dụng thuật toán làm mịn (thử DP) sau đó lấy trung bình các dòng.

— nagytech

DP = Lập trình động phải không? Wikipedia đã cho tôi một bài tập về nhà dài để đọc về điều này cho tối nay ... Cảm ơn ngay bây giờ!

— heltonbiker

Một câu hỏi thú vị, có liên quan là đây: gis.stackexchange.com/questions/42224/ mẹo

— heltonbiker

Một cái gì đó thực sự, thực sự đáng để kiểm tra là cài đặt GPS của bạn - một số đơn vị GPS "chộp" vị trí của bạn vào con đường gần nhất trong cơ sở dữ liệu GPS, ngay cả khi đường thực là 10 + m sang một bên.

— Simbamangu

@Simbamangu đó sẽ là một điều rất tốt để có thực sự. Tôi tin rằng phần mềm tôi đang sử dụng ngày nay trong điện thoại Android không có điều đó. Nhưng dù sao, hầu hết các bài hát của tôi đã được thu thập bởi những người khác trong những tháng qua. Cảm ơn vì tiền hỗ trợ!

— heltonbiker

Chris Brunsdon đã viết một bài báo về vấn đề này tại hội nghị GeoComputing năm 2008 - xem http://www.geocomputing.org/2007/1B-Alacticms_and_Arch architecture1 / 1B2.pdf

Trong bài báo, ông thảo luận về cách áp dụng Phân tích đường cong chính (Hastie và Stuetzle 1989) và đưa ra một số gợi ý về cách tăng cường độ mạnh của phương pháp. Tìm kiếm thêm dẫn đến một cuộc thảo luận về một công cụ OSM được gọi là osm-Makeroads có thể giải quyết tốt vấn đề của bạn (hoặc ít nhất là giúp bạn bắt đầu).

— Ian Turton
nguồn

Gonna hãy xem và đưa ra một số thông tin phản hồi sớm! Cảm ơn ngay bây giờ!

— heltonbiker

+1 Tài liệu tham khảo đẹp. Mặc dù vậy, nó cần hoạt động vì nó bỏ qua một vấn đề cơ bản với dấu vết GPS: các lỗi không độc lập từ điểm này đến điểm tiếp theo. Thay vào đó, lỗi GPS được thực hiện tại một điểm sẽ có xu hướng rất giống với lỗi được thực hiện tại điểm tiếp theo trên cùng một dấu vết. Bạn có thể thấy điều này trong các minh họa của Brunsdon: các điểm có vấn đề (bên ngoài) rõ ràng nằm trên một hoặc hai dấu vết đặc biệt; chúng không lẻ tẻ cũng không ngẫu nhiên. Do đó, có tiềm năng lớn để cải thiện bằng cách mô hình hóa tự tương quan này và điều chỉnh cho nó trong thuật toán.

— whuber

@whuber đồng ý. Một cái gì đó mà hầu hết các thuật toán không xem xét (Đường cong chính là một trong số chúng, như tôi đã tìm ra), đó là các bộ theo dõi GPS không phải là các đám mây điểm, mà là các đám mây "linestring". Họ thực sự là các vectơ kết nối hoặc một cái gì đó như thế. Chỉ xem xét các điểm sẽ tạo ra sự thiên vị cho các bản nhạc có tỷ lệ mẫu cao hơn, thay vì các khu vực nơi LINES từ các bản nhạc khác nhau dày đặc hơn ...

— heltonbiker

Cuộc trò chuyện này được tiếp tục trong một chủ đề liên quan tại stats.stackexchange.com/questions/69329 .

— whuber

@whuber Trong câu trả lời này, tôi đã viết ra một ý tưởng, xuất hiện trong đầu tôi, để thực hiện điều này với sự trợ giúp của bản đồ nhiệt. Tôi đánh giá cao bất kỳ đề nghị.

— Stefan