Статистично обчислювати реальну дорогу з набору треків GPS?

Я беру участь у велосипедному клубі на великі відстані, і ми почали регулярно збирати GPS-дані від наших вершників.

Мене цікавить підрахунок "реальної траєкторії" майбутніх подій на основі накопичених даних GPS на одних і тих же дорогах. В основному, це означатиме передачу деяких попередньо вибраних доріжок до алгоритму, і алгоритм генерує точки з відповідною швидкістю вибірки (відповідна відстань одна від одної залежно від кривих доріг). Я відкину часові позначки, беручи до уваги лише інформацію про просторову доріжку.

Який алгоритм / статистичні методи я міг би використовувати? Я не використовую жодного пакету ГІС, і я планую реалізувати це в Python.

Нижче наведено декілька зразкових траєкторій:

введіть тут опис зображення

gps spatial-statistics tracklog

— гелтонбайкер
джерело

Цікавий проект - досить схожий на алгоритм огляду, який я писав років тому. Оскільки я лінивий, я можу запропонувати лише кілька підказок. Найважливіші фактори - напрямок руху, якість сигналу та швидкість (тобто, якщо ви просто стоїте навколо, це не дорога). Найкраще спершу викреслити точки, які занадто далеко таким чином. Окрім цього, я застосував би алгоритм згладжування (спробуйте DP), а потім середнє значення рядків.

— nagytech

DP = Динамічне програмування правильно? Вікіпедія дала мені довге читання домашнього завдання на сьогоднішній день ... Дякую зараз!

— heltonbiker

Цікаве, пов’язане із цим питання: gis.stackexchange.com/questions/42224/…

— heltonbiker

Щось дійсно, ДІЙСНО варто перевірити ваші налаштування GPS - деякі GPS-пристрої "прив'язують" ваше положення до найближчої дороги в базі даних GPS, навіть якщо реальна дорога знаходиться на відстані 10 + м убік.

— Simbamangu

@Simbamangu це було б дуже приємно. Я вважаю, програмне забезпечення, яке я сьогодні використовую в телефоні Android, не має цього. Але все одно, більшість моїх треків були зібрані іншими людьми за останні місяці. Дякую за пораду!

— heltonbiker

Кріс Брансдон виступив з доповіддю з цього питання на конференції GeoComputation 2008 - див. Http://www.geocomputation.org/2007/1B-Algorithms_and_Architecture1/1B2.pdf

У статті він розповідає про те, як застосувати аналіз головних кривих (Hastie and Stuetzle 1989) та вносить деякі пропозиції щодо підвищення надійності методу. Подальший пошук призводить до обговорення інструмента OSM під назвою osm-makeroads, який цілком може вирішити вашу проблему (або принаймні розпочати роботу).

— Ян Тертон
джерело

Погляньте і незабаром дайте відгуки! Дякую зараз!

— heltonbiker

+1 Приємна довідка. Він потребує роботи, тому що він оглядає фундаментальну проблему із слідами GPS: помилки не залежать від одного пункту до іншого. Натомість помилка GPS, допущена в одній точці, буде, як правило, дуже схожа на помилку, зроблену в наступній точці на тому ж трасі. Це можна побачити на ілюстраціях Брансдона: проблемні (зовнішні) точки явно лежать на одному-двох виняткових слідах; вони ні спорадичні, ні випадкові. Таким чином, існує великий потенціал для вдосконалення за допомогою моделювання цієї автокореляції та коригування її в алгоритмі.

— whuber

@whuber погодився. Що більшість алгоритмів не враховують (основні криві є однією з них, як я вже з'ясував), це те, що набори треків GPS - це не хмара точок, а скоріше хмара "рядків". Вони справді пов'язані векторами чи чимось подібним. Беручи до уваги лише моменти, створюється ухил до треків з більш високою частотою вибірки, а не до регіонів, де LINES від різних треків є більш щільними ...

— heltonbiker

Ця розмова продовжується у пов’язаній темі на сайті stats.stackexchange.com/questions/69329 .

— whuber

@whuber У цій відповіді я записав ідею, яка мені прийшла в голову, зробити це за допомогою теплової карти. Я вдячний за будь-які пропозиції.

— Стефан