Untuk mendapatkan kecepatan, Anda harus punya waktu, tentu saja. Dengan demikian, Anda dapat memesan poin berdasarkan waktu dalam spreadsheet seperti mode, dengan kolom {Waktu, X, Y}, dengan menambah waktu.
Berikut adalah contoh di mana unit GPS hampir menyelesaikan sirkuit berlawanan arah jarum jam:
Poin-poin ini tidak diperoleh pada interval waktu yang sama. Karena itu tidak mungkin dari peta sendiri untuk memperkirakan kecepatan. (Namun, untuk membantu Anda memvisualisasikan perjalanan ini, saya memastikan untuk mengumpulkan nilai-nilai gps pada interval yang hampir sama, sehingga Anda dapat melihat bahwa perjalanan dimulai dengan cepat dan melambat pada dua titik menengah dan pada akhirnya.)
Karena Anda tertarik pada kecepatan, hitung jarak antara baris berturut-turut dan juga perbedaan waktu. Membagi jarak berdasarkan perbedaan waktu memberikan perkiraan kecepatan sesaat. Hanya itu yang ada untuk itu. Mari kita lihat plot estimasi tersebut terhadap waktu:
Titik merah memplot kecepatan sementara kurva abu-abu halus, hanya untuk memandu mata. Waktu kecepatan maksimum, dan kecepatan maksimum itu sendiri, jelas dari plot dan mudah diperoleh dari data sejauh ini jika Anda menggunakan spreadsheet atau fungsi ringkasan data sederhana dalam GIS. Namun, perkiraan kecepatan ini diduga karena titik-titik gps jelas memiliki beberapa kesalahan pengukuran di dalamnya.
Salah satu cara untuk mengatasi kesalahan pengukuran adalah dengan mengakumulasi jarak antara beberapa periode waktu dan menggunakannya untuk memperkirakan waktu. Misalnya, jika data {Perbedaan waktu, Jarak} yang sebelumnya dihitung adalah
d(Time) Distance
0.90 0.17
0.90 0.53
1.00 0.45
1.10 0.29
0.80 0.11
kemudian waktu yang berlalu dan jarak total selama dua periode waktu diperoleh dengan menambahkan setiap pasangan baris berturut-turut:
d(Time) Distance
1.80 0.70
1.90 0.98
2.10 0.74
1.90 0.40
Hitung ulang kecepatan untuk akumulasi waktu dan jarak.
Seseorang dapat melakukan perhitungan ini untuk sejumlah periode waktu, mencapai plot yang lebih mulus dan lebih dapat diandalkan dengan biaya rata-rata perkiraan kecepatan selama periode waktu yang lebih lama. Berikut adalah plot data yang sama yang dihitung untuk periode 3 dan 5, masing-masing:
Perhatikan bagaimana kecepatan maksimum berkurang dengan jumlah smoothing. Ini akan selalu terjadi. Tidak ada jawaban yang benar unik: seberapa banyak Anda memuluskan tergantung pada variabilitas dalam pengukuran dan pada periode waktu apa Anda ingin memperkirakan kecepatan. Dalam contoh ini, Anda dapat melaporkan kecepatan maksimum setinggi 2,5 (berdasarkan titik GPS berturut-turut), tetapi itu akan agak tidak dapat diandalkan karena kesalahan di lokasi GPS. Anda dapat melaporkan kecepatan maksimum serendah 2,1 berdasarkan kelancaran lima periode.
Ini adalah metode yang sederhana tetapi belum tentu yang terbaik. Jika kami menguraikan kesalahan lokasi GPS menjadi komponen di sepanjang jalur dan komponen lain yang tegak lurus dengan jalur, kami melihat bahwa komponen di sepanjang jalur tidak memengaruhi perkiraan total jarak yang dilalui (asalkan jalur tersebut memiliki sampel yang cukup baik: yaitu, Anda jangan "memotong sudut"). Komponen yang tegak lurus dengan peningkatan jalurjarak yang jelas. Ini berpotensi bias estimasi ke atas. Namun, ketika jarak tipikal antara pembacaan GPS besar dibandingkan dengan kesalahan jarak tipikal, biasnya kecil dan mungkin dikompensasi untuk goyangan kecil di jalur yang tidak ditangkap oleh urutan GPS (yaitu, beberapa sudut pemotongan adalah selalu dilakukan). Oleh karena itu mungkin tidak ada gunanya mengembangkan penaksir yang lebih canggih untuk mengatasi bias yang melekat ini, kecuali frekuensi pengambilan sampel GPS sangat rendah dibandingkan dengan frekuensi di mana jalur "goyah" atau kesalahan pengukuran GPS besar.
Sebagai catatan, kami dapat menunjukkan hasil yang benar dan benar , karena ini adalah data yang disimulasikan:
Membandingkan ini dengan plot sebelumnya menunjukkan bahwa dalam kasus khusus ini kecepatan maksimum baku melebih-lebihkan maksimum sebenarnya sedangkan maksimum kecepatan lima periode terlalu rendah.
Secara umum, ketika titik-titik GPS dikumpulkan dengan frekuensi tinggi, kecepatan baku maksimum kemungkinan akan terlalu tinggi: ia cenderung melebih-lebihkan maksimum sebenarnya. Untuk mengatakan lebih dari ini dalam contoh praktis apa pun akan memerlukan analisis statistik yang lebih lengkap tentang sifat dan ukuran kesalahan GPS, frekuensi pengumpulan GPS, dan tentang kekaburan jalur yang mendasarinya.