平滑后的GPS数据比较

通常，比较两个数据集没有普遍有效的方法，因为它完全取决于应用/要求的质量标准。

为了您的应用

我正在考虑一种机器学习方法。将汽车模型装箱 基于分类器并检查哪些轨道提供更好的 行为。

这意味着您需要在数学上定义术语"更好的行为"。

您的应用程序的一个可能的质量标准如下（它由两部分组成，表示相反的质量方面）：

第一部分（与原始数据的偏差）：计算平滑数据和原始数据之间的 RMSE（均方根误差）。这为您提供了平滑轨迹与给定原始坐标偏差的度量。这意味着，折痕中的误差（RMSE），如果你正在平滑更多。如果你平滑得更少，它会减少折痕。

第二部分（轨道

平滑度）：计算汽车沿轨道将经历的平均绝对横向加速度（第二偏差）。如果您平滑得更多，这将去除折痕，如果您平滑较少，则会减少折痕。即，它的行为与 RMSE 相反。

结果评估：

（1） 查找您知道底层 GPS 轨迹是直线或被测对象未移动的数据序列。请注意，对于这些轨道，根据定义（！），（横向）加速度为零。对于这些，计算 RMSE 和平均绝对横向加速度。加速度（几乎）为零的表皮的RMSE是由于测量不准确造成的！

（2） 在坐标系中绘制结果，其中 RMSE 在 x 轴上，平均加速度在 y 轴上。

（3） 选择具有与您在步骤 （1） 中找到的 RMSE 相似的所有方法。

（4）从这些方法中，选择加速度最小的一个。这些为您提供最平滑的轨道，并通过测量不准确解释误差！

（5）你已经完成了:)

我没有这方面的经验，但我脑海中有一些可能对你有帮助的事情。

你知道这是一辆汽车。您知道数据是从汽车生成的，因此您可以定义汽车的一组属性。例如，如果汽车以超过 50 公里的速度行驶，则弯道的角度应至少为 110 度。我绝对是在猜测这些值，但如果你做一些研究，我相信你将能够定义这样的属性。接下来你可以做的是测试每个近似值如何拟合汽车属性并选择最佳近似值。

原始数据。我假设您正在给定道路的一部分上测试所有方法。您可以生成"原始 GPS 轨迹"——最适合汽车运动的轨迹。谷歌地图可以帮助您生成某些GPS设计的更高精度的此类轨迹操作系统。比您测量每个近似值和生成的轨迹之间的距离 - 具有最小距离的轨迹获胜。

我认为您在地址转换后可以轻松匹配坐标。因为地址有街道，地区和城市。因此，您可以轻松匹配不同的半径。

让我们试试这个链接

看看这篇讨论比较机器学习算法的论文：

"在两种学习算法之间进行选择基于校准测试"，可在以下网址获得：http://www.cs.waikato.ac.nz/ml/publications/2003/bouckaert-calibrated-tests.pdf

另请查看此论文：

"机器学习算法在单一和单一和上的贝叶斯比较多个数据集"，可在以下网址获得：http://www.jmlr.org/proceedings/papers/v22/lacoste12/lacoste12.pdf

注意：从问题中可以看出，您正在研究比较机器学习算法结果的最佳方式，而不是寻找可能实现此功能的其他机器学习算法。

机器学习不是适合该任务的方法，您必须定义什么是好的平滑...

从本质上讲，您的任务无法通过给出一般答案的算法来解决，因为每次平滑都会破坏一定数量的原始数据并添加发明的位置，并且使用平滑数据的不同系统/人类对更改的数据的反应不同。

问题是：您希望通过平滑实现什么？为什么需要平滑？（您是否忘记实施或启用静止过滤器，该过滤器可在车辆静止时消除运动，这在 GPS 中会在静止期间引入跳跃位置？

GPS芯片已经内置了使用卡尔曼滤波器的（最好的？）实时平滑，一方面比后处理的smotthing算法具有更多的信息，另一方面它的信息更少。所以接下来你要问自己：你比较的是后处理的烟雾算法还是实时算法？（可能是后处理）将实时平滑算法与后处理平滑算法进行比较是不公平的。

再说一遍：你对平滑数据有什么期望：它们看起来有点好，但不像电视广告的经过照片处理的模型那样不切实际？

什么是好的平滑？ 接近真实的车辆位置，没有人知道，还是低加速度的弯道？

我更喜欢一种平滑算法，它产生最接近真实（通常未知）车辆轨迹的曲线。

或者你可能只是认为它应该以某种方式看起来很漂亮：在这种情况下，用不同的颜色覆盖曲线，将其显示在satelitte图像地图上，并让人类团队（至少拥有和驾驶自己的汽车的专家）决定什么看起来不错和逼真。我们人类内置了最好的多用途模式匹配算法。

再次为什么是平滑？：在地图上显示以取悦看该地图的人？还是使用平滑的轨道来馈送原始数据有问题的其他算法？
为了取悦人类，我在上面给出了答案。
取悦其他算法：
他们需要什么？更近的位置？或更好的路线值/点之间的方向。您希望平滑哪些属性：仅平滑纬度、经度坐标，还是速度值和航向值？

我在GPS轨道方面有很多专业经验，并建议删除7km/h以下的每个位置，其余位置保持原样。在大多数情况下，不需要进一步平滑。

否则它会变得昂贵：
一个可能的解决方案：
1） 您安排一个 2000 欧元的参考 GPS 接收器，随附磁性车顶天线（例如公司半球 2000 GPS 接收器）并将其用作参考
2）您使用通常用于任务的Comsumer GPS（智能手机等）

两者都安装在车内：在良好的条件下（高速公路）驾驶一些测试轨道，但在非常糟糕的条件下驾驶更多的轨道：强烈的弯道与左右的大房子相结合。通过隧道，一个支柱和一个弯曲的，如果你有一个。

3） 将平滑算法应用于消费者 GPS 轨迹
4）将平滑的轨迹与参考磁道进行比较，通过匹配两个位置并最终计算出（RMSE均方根误差）

困难匹配两个位置：希望时间可以完全匹配，但通常情况并非如此（可能偏移 0，5 秒）。想想当GPS中断时你会怎么做。

首先考虑显示原始轨道，并确定哪种未平滑的数据不合适/好看。（可能后来在这里发布照片）

使用

老式卡尔曼滤波器怎么样！