地理空间数据中旅行模式的检测

Question

我需要分析从车载GPS设备上传的数据，以检测出行模式，然后尝试了解该车辆的正常旅行模式，以便对车辆的维护、加油等进行预测。有些车辆是家用的(显示正常的居家->工作->家庭旅行模式)，还有一些是带有预定路线的商业车辆。

我已经加载了全球定位系统lats和渴望到一个数据库，然后构建了一个ST_LineString与每辆车的数据点(大约每辆车每天1k点)。

车辆将永远不会有相同的旅行模式(全球定位系统的精度，不规则的平拍时间等)和模式将可见的子集-例如，一个小时之间的A点(家)和点B(工作)之间的上午8点至9点30分，每天上午，星期一至星期五。

现在最困难的是--我正在考虑各种选择。我必须使用通常的过程工具箱、游标、迭代等用数据库过程语言编写。如果它有帮助的话，我可以使用Python --我是一个尝试横向和空间思考的数据库家伙。

一种旅行模式可以通过

(i)类似的点序列，可以通过公差(例如+/ 300米)而不同。

(2)停车场-如果一辆汽车每天停在同一地点8小时

(iii)时间-车辆每天从8时30分开始，+/- 10分钟。

我计划编写一个过程，检查每个点(或n个点集)的每一个模式，方法是将其与所有其他点(或点集)进行比较，按顺序遍历每一天的pings。

最简单的用例是发现每天停在同一地点的车辆的反复情况。检测相似的运动模式要复杂得多。有什么技术可以解决这个问题？

Answer 1

这是模式识别的一种通用形式，模式识别是很困难的--多年来一直在进行科学研究。

我认为你需要做的第一件事是为所有你想要识别的“旅行模式”找到正式的定义--我想这些例子只是冰山一角。你的定义(2)和(3)是简单的情况，但我想它们不是那么有趣。

例(1) IMHO不是一个真正的模式定义，但我想您想要检测到一个模式，比如“每天或每周有规律的时间间隔重复相同的路径”。但是在这里，问题开始了--你想要比较什么时间间隔？如果司机在你300米半径以外的某几天绕道怎么办？你想找出一年中每辆车的前10条路线(为什么)？无论两条路线的时间戳是相同的，还是应该有时间戳？路线的方向重要吗？

所以我的第一个建议是:开始问自己正确的问题--更深入地分析问题，而不是从技术角度(“什么事情很容易比较”)，而是从领域的角度(“我真正想知道什么”)？

你提到的一点是“维护和加油”。对于这些情况，IMHO的路线通常是不相关的。一般的统计信息应该更有趣(每年行驶多少英里/公里的汽车在路上)，确切的路线是可以忽略的。

对于路线比较的问题，没有时间成分:我建议不要比较“单点”。您的点描述了一个2D路径，您需要一个度量来比较这些路径，而不管路径上的点数是多少。有一些关于这个话题的科学论文，看看谷歌的“比较两条路径的距离”就会发现其中的一些。

添加时间分量可以被看作是2D问题的三维扩展，但是我想当你从2D的情况开始，当你可以识别平面上相似的路径时，你可以在之后添加一些时间比较。