文章版权由做者李晓晖和博客园共有,若转载请于明显处标明出处:http://www.cnblogs.com/naaoveGIS/算法
GPS数据正常状况下有20M左右的偏移,在遇到高楼和桥梁等状况下偏移会更大。本方案讨论基于路网图层如何来进行轨迹优化。微信
整套数据预处理围绕拓扑检查、节点打断来进行,具体步骤为:机器学习
a.新建数据集。学习
b.导入道路图层。优化
c.新建拓扑规则。spa
d.进行拓扑操做。设计
e.导出处理后的数据。3d
使用Geotools进行路网数据的处理,将算法集成至Geoserver中,经过URL(OWS)访问。进行优化后的轨迹以下图所示,可见轨迹都被纠正至路网中。server
高级版的arcgis server提供了轨迹分析(NA)服务,能够直接用来进行轨迹优化。其路网数据处理上稍微繁琐一些,最后将处理完后的数据发布成NA服务,便能基于该服务进行路径优化了。blog
a.该方案必须基于路网。
b.若是路网不够全面,纠正至路网上的轨迹极可能严重失真。
c.由于数据已经进行了纠正,轨迹里程数不真实。
d.因为是后发性匹配,因此当同一个请求中须要匹配的轨迹点太多时效率不高。
基于路网的轨迹纠正,能将杂乱的轨迹点纠正至路网上,使得展现美观。可是,因为路网数据的限制,使其真实性等都不够严谨。因此,咱们可否实现这样几个设想。
a.不基于路网数据,跟具历史轨迹数据,使用滤波算法、机器学习来进行轨迹纠正?
b.可否基于海量的轨迹数据,进行路网的自建和更新?
带着设想前行。
-----欢迎转载,但保留版权,请于明显处标明出处:http://www.cnblogs.com/naaoveGIS/
若是您以为本文确实帮助了您,能够微信扫一扫,进行小额的打赏和鼓励,谢谢 ^_^