Confronto/Clustering Traiettorie (dati GPS di (x, y) punti) e Estrazione dei dati

Question

Ho 2 domande sull'analisi di un set di dati GPS.

1) Traiettorie di estrazione Ho un enorme database di coordinate GPS registrate del modulo (latitude, longitude, date-time). In base ai valori di data e ora dei record consecutivi, sto cercando di estrarre tutte le traiettorie/percorsi seguiti dalla persona. Per esempio; Dagli orari M, le coppie (x,y) cambiano continuamente fino all'ora N. Dopo N, la variazione delle coppie (x,y) diminuisce, a quel punto concludo che il percorso preso dal tempo M a N può essere definito una traiettoria. È un approccio decente da seguire quando estrai le traiettorie? Esistono approcci/metodi/algoritmi noti che puoi suggerire? Ci sono strutture dati o formati che vorresti suggerire per mantenere questi punti in modo efficiente? Forse, per ogni traiettoria, sarebbe utile calcolare la velocità e l'accelerazione?

2) Estrarre le traiettorie Una volta che tutte le traiettorie sono state seguite/percorsi, come posso confrontarli/raggrupparli? Vorrei sapere se i punti iniziale o finale sono simili, quindi come si confrontano i percorsi intermedi?

Come confrontare i 2 percorsi/percorsi e concludere se sono simili o meno. Inoltre; come raggruppo i percorsi simili insieme?

Lo apprezzerei molto se mi indicassi una ricerca o qualcosa di simile su questo argomento.

Lo sviluppo sarà in Python, ma tutti i tipi di suggerimenti di libreria sono i benvenuti.

Grazie in anticipo.

Answer 1

Dai un'occhiata al lavoro svolto presso il Dipartimento di geografia dell'Università di Zurigo, in particolare da Patrick Laube e Somayeh Dodge.

Dai un'occhiata alla carta

singoli movimenti e geografica Data Mining. Clustering Algoritmi per evidenziare punti attivi nel rotte di navigazione personali

(link, presentation). Mostra l'uso dei metodi di stima della densità del kernel DBSCAN sui dati GPS.

anche documenti da Nokia Mobile Data Challenge 2012 Workshop può essere utile qui, in particolare:

MobReduce: Ridurre Stato complessità della mobilità Tracce (link)

di Fabian Hartmann, Christoph P. Mayer, Ingmar Baumgart e

Un quadro di pulizia traiettoria per cluster di traiettorie (link)

di Agzam Idrissov, Mario A.Nascimento, University of Alberta

Answer 2

1) Traiettorie di estrazione Penso che tu sia nella giusta direzione. Probabilmente ci sarà un po 'di rumore nei dati GPS, e camminando casualmente, dovresti fare delle spline lisce come per superarlo.

---

2) Mining le traiettorie è che ci sono alcun senso degli affari in traiettorie simili? (Questo aiuterà a costruire la metrica di distanza e quindi è possibile utilizzare alcuni degli algoritmi di clustering di mahoot) 1. Penso che il punto in cui alcune persone si fermano siano più interessanti in modo da poter generare statistiche sulla popolarità dei luoghi. 2. Se è necessario somiglianza del percorso per trovare percorsi diversi per lo stesso inizio-start, è necessario raggruppare il primo punto di partenza e quindi similare le curve per (distanza massima tra distanza totale - alcune delle metriche funzionali ben note)