文章版權由做者李曉暉和博客園共有,若轉載請於明顯處標明出處:http://www.cnblogs.com/naaoveGIS/算法
GPS數據正常狀況下有20M左右的偏移,在遇到高樓和橋樑等狀況下偏移會更大。本方案討論基於路網圖層如何來進行軌跡優化。微信
整套數據預處理圍繞拓撲檢查、節點打斷來進行,具體步驟爲:機器學習
a.新建數據集。學習
b.導入道路圖層。優化
c.新建拓撲規則。spa
d.進行拓撲操做。設計
e.導出處理後的數據。3d
使用Geotools進行路網數據的處理,將算法集成至Geoserver中,經過URL(OWS)訪問。進行優化後的軌跡以下圖所示,可見軌跡都被糾正至路網中。server
高級版的arcgis server提供了軌跡分析(NA)服務,能夠直接用來進行軌跡優化。其路網數據處理上稍微繁瑣一些,最後將處理完後的數據發佈成NA服務,便能基於該服務進行路徑優化了。blog
a.該方案必須基於路網。
b.若是路網不夠全面,糾正至路網上的軌跡極可能嚴重失真。
c.由於數據已經進行了糾正,軌跡里程數不真實。
d.因爲是後發性匹配,因此當同一個請求中須要匹配的軌跡點太多時效率不高。
基於路網的軌跡糾正,能將雜亂的軌跡點糾正至路網上,使得展現美觀。可是,因爲路網數據的限制,使其真實性等都不夠嚴謹。因此,咱們可否實現這樣幾個設想。
a.不基於路網數據,跟具歷史軌跡數據,使用濾波算法、機器學習來進行軌跡糾正?
b.可否基於海量的軌跡數據,進行路網的自建和更新?
帶着設想前行。
-----歡迎轉載,但保留版權,請於明顯處標明出處:http://www.cnblogs.com/naaoveGIS/
若是您以爲本文確實幫助了您,能夠微信掃一掃,進行小額的打賞和鼓勵,謝謝 ^_^