Tengo un montón de datos de ubicación para quitanieves. Hay una identificación única para cada arado, una marca de tiempo y coordenadas x & y.
En lugar de saber dónde estaban cientos de arados de calles a intervalos de un minuto, me gustaría saber qué calles han sido aradas.
Sé que hay formas de convertir los puntos en polilíneas, pero ¿alguien conoce un método para ajustar los puntos a la cuadrícula de la calle? En otras palabras, ¿derivar caminos de vehículos que abrazan las calles?
La razón por la que creo que los puntos de inflexión para las polilíneas probablemente no es suficiente es porque solo tengo datos de ubicación para cada arado cada 60 segundos. Esto significa que no hay puntos de coordenadas para cuando los arados giraban en cierta intersección, por lo que si solo dibujara líneas entre puntos, algunos de ellos cortarían bloques.
Respuestas:
El enfoque habitual consta de dos pasos:
Mapa de correspondencia
El proceso de "ajustar" la ubicación del vehículo a las geometrías de las calles. El enfoque trivial es ajustar la ubicación del vehículo al punto más cercano en la geometría de la carretera más cercana. (Hay enfoques más sofisticados, que estoy seguro de que puedes buscar en Google fácilmente).
Enrutamiento
Después de la correspondencia del mapa, puede enrutar entre dos puntos sucesivos. Aquí nuevamente, el enfoque más fácil es encontrar el camino más corto. Esta ruta puede decirle qué caminos se han arado y cuándo.
fuente
Para el caso de correspondencia de mapas de baja tasa de muestreo, revisaría este documento en el que los autores usan una base de datos de trayectorias observadas previamente para ayudar a identificar 'caminos probables'. Se basa en la idea de que las personas tienen más probabilidades de atravesar caminos populares.
Si no tiene datos disponibles para usar, en este documento se ofrece un enfoque más simple para el mismo problema (es decir, baja tasa de muestreo). Aunque no creo que nunca se indique explícitamente, los autores usan un modelo oculto de Markov e identifican el camino más probable. Su modelo es bastante simple: las observaciones se distribuyen normalmente sobre un segmento de carretera, las transiciones entre carreteras se basan en una distancia ponderada entre segmentos.
Por último, esta pregunta y sus respuestas también pueden ser de su interés.
fuente