Bagaimana cara mendapatkan lintasan kendaraan dari data lokasi yang dicap timestamp?


8

Saya punya banyak data lokasi untuk bajak salju. Ada id unik untuk setiap bajak, cap waktu, dan koordinat x & y.

Daripada mengetahui di mana ratusan bajak jalan berada pada interval satu menit, saya ingin tahu jalan mana yang telah dibajak.

Saya tahu ada cara mengubah titik ke polyline, tetapi apakah ada yang tahu metode untuk mengambil titik ke grid jalan? Dengan kata lain, untuk mendapatkan jalur kendaraan yang memeluk jalanan?

Alasan saya berpikir bahwa mengubah titik ke polyline mungkin tidak cukup adalah karena saya hanya memiliki data lokasi untuk setiap bajak setiap 60 detik. Ini berarti tidak ada titik koordinat ketika bajak berputar di persimpangan tertentu, jadi jika Anda hanya menggambar garis di antara titik, beberapa dari mereka akan memotong blok.


1
Ini masalah yang menarik. Kesepakatannya adalah bahwa antara 60 detik bajak dapat melewati beberapa jalan. Saya akan menyarankan untuk menghubungkan titik-titik dan memotong mereka dengan polyline, tetapi itu mungkin memberi Anda hasil yang tidak masuk akal, menunjukkan cara yang lebih membajak daripada apa yang sebenarnya terjadi.
George Silva

1
Seberapa cepat perjalanan salju? Berapa lama jalan yang mereka bajak? Hanya ingin tahu berapa banyak segmen jalan yang akan terjawab di antara titik-titik.
Simbamangu

3
Apakah bajak memiliki 'rute' per se?
Berbulu

Jawaban:


4

Pendekatan yang biasa terdiri dari dua langkah:

  1. Pencocokan peta

    Proses "gertakan" lokasi kendaraan ke geometri jalan. Pendekatan sepele adalah untuk mengambil lokasi kendaraan ke titik terdekat pada geometri jalan terdekat. (Ada pendekatan yang lebih canggih, yang saya yakin Anda dapat google dengan mudah.)

  2. Rute

    Setelah pencocokan peta, Anda dapat merutekan di antara dua titik berurutan. Sekali lagi, pendekatan termudah adalah menemukan jalur terpendek. Rute ini dapat memberi tahu Anda jalan mana yang telah dibajak dan kapan.


2

Untuk kasus pencocokan peta dengan laju sampling rendah, saya akan memeriksa makalah ini di mana penulis menggunakan database lintasan yang diamati sebelumnya untuk membantu mengidentifikasi 'jalur yang mungkin'. Ini didasarkan pada gagasan bahwa orang lebih cenderung melintasi jalur populer.

Jika Anda tidak memiliki data yang tersedia untuk digunakan, pendekatan yang lebih sederhana diberikan dalam makalah ini untuk masalah yang sama (yaitu laju sampling rendah). Meskipun saya tidak berpikir itu tidak pernah dinyatakan secara eksplisit, penulis menggunakan model markov tersembunyi dan mengidentifikasi jalan yang paling mungkin. Model mereka cukup sederhana: pengamatan biasanya didistribusikan tentang ruas jalan, transisi antar jalan didasarkan pada jarak tertimbang antar ruas.

Terakhir, pertanyaan ini dan jawabannya juga mungkin menarik bagi Anda.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.