我试图比较用于平滑GPS数据的多种算法。我想知道应该比较结果的标准方法是什么，看看哪一个提供了更好的平滑效果。
我正在考虑机器学习方法。根据分类器创建汽车模型并检查哪些曲目可以提供更好的行为。
对于那些对这些东西有更多经验的人来说，这是一个好方法吗？还有其他方法吗？
答案 0 :(得分：1)
我没有关于这个主题的经验，但我有一些可能对你有用的事情。
您知道这是一辆汽车。您知道数据是从汽车生成的，因此您可以定义一组汽车的属性。例如，如果汽车在速度超过50公里的情况下移动，那么角落的角度应该至少为110度。我绝对猜测价值观，但如果你做一点研究，我相信你能够定义这些属性。接下来你可以做的是测试每个近似值如何适合汽车属性并选择最佳值。
原始数据。我假设您正在测试某条路上的所有方法。你可以生成一个＆＃34;原始gps轨道＆＃34; - 最适合汽车运动的轨道。谷歌地图可以帮助您生成这样的轨道，一些gps设计具有更高的准确性。比你测量每个近似值与你生成的轨迹之间的距离 - 最小距离的距离获胜。
答案 1 :(得分：1)
看一下讨论比较机器学习算法的论文：
＆＃34;在两种学习算法之间进行选择 基于校准测试＆＃34;可在： http://www.cs.waikato.ac.nz/ml/publications/2003/bouckaert-calibrated-tests.pdf
另见本文：
＆＃34;单机和单机机器学习算法的贝叶斯比较 多个数据集＆＃34;可在： http://www.jmlr.org/proceedings/papers/v22/lacoste12/lacoste12.pdf
注意：从问题中可以看出，您正在研究比较机器学习算法结果的最佳方法，而不是寻找可能实现此功能的其他机器学习算法。
答案 2 :(得分：1)
我认为您可以在地址转换后轻松匹配坐标。 因为地址有街道，地区和城市。这样你就可以轻松匹配不同的半径。
试试这个link
答案 3 :(得分：1)
通常，没有普遍有效的方法来比较两个数据集，因为它完全取决于应用/要求的质量标准。
适用于你的搭配
我正在考虑机器学习方法。打包汽车模型 基于分类器并检查哪些轨道提供更好 行为。
这意味着您需要以数学方式定义术语“更好的行为”。
您的应用的一个可能的质量标准如下（它由表达相反质量方面的两个部分组成）：
第一部分（偏离原始数据）：计算平滑数据和原始数据之间的RMSE（均方根误差）。这样可以测量平滑轨迹与给定原始坐标的偏差。这意味着，如果您要平滑更多，则中的错误（RMSE）会产生折痕。如果你的平滑程度较低，那么 de 会有所增加。
第二部分（赛道平滑度）：计算赛车沿赛道经历的平均绝对横向加速度（第二偏差）。如果你平滑更多，这将 de 折痕，如果你平滑更少，它将 折痕。即，它的行为与RMSE相反。
结果评估：
（1）查找数据序列，其中您知道基础GPS轨迹是直线或跟踪对象未移动的位置。注意，对于那些轨道，（横向）加速度根据定义为零（！）。 对于这些，计算RMSE和平均绝对横向加速度。 具有（几乎）零加速度的附件的RMSE是由测量不准确造成的！
（2）将结果绘制在坐标系中，其中x轴为RMSE，y轴为平均加速度。
（3）选择所有RMSE类似于步骤（1）中找到的方法。
（4）从这些方法中，选择加速度最小的那个。那些为您提供最平滑的轨道，并通过测量不准确性解释错误！
（5）你完成了：）
答案 4 :(得分：1)
机器学习不适合完成该任务，您必须定义什么是良好的平滑...
主要是你的任务无法通过提供一般答案的算法来解决，因为每次平滑都会破坏原始数据一定数量并增加发明位置，而使用平滑数据的不同系统/人对变化后的数据做出不同反应。 / p>
问题是：您希望通过平滑实现什么？ 你为什么需要平滑？ （您是否忘记实施或启用静止过滤器，以便在车辆静止不动时消除运动，GPS在静止状态下会引入跳跃位置？）
GPS芯片已经使用卡尔曼滤波器建立了（尽可能好的？）实时平滑，一方面比后处理的smotthing算法更多信息，另一方面它具有更少的信息。 接下来你要问问自己：你比较后处理smgal algos或实时algos？ （可能是后处理）将实时平滑算法与后处理平滑算法进行比较是不公平的。
再次：您对平滑数据的期望是什么：它们看起来有点不错，但像电视广告的照片模型一样不切实际？
什么是良好的平滑？靠近没人知道的真实车辆位置，或者加速度低的曲线？
我更喜欢平滑算法，该算法可以产生最接近真实（通常是未知）车辆轨迹的曲线。
或者你可能只是认为它应该看起来很漂亮：在这种情况下，用不同的颜色覆盖曲线，将它显示在satelitte图像地图上，让一群人（至少拥有和驾驶自己的汽车的专家）决定什么看起来很好和现实。 我们人类拥有内置的最佳多用途模式匹配算法。
为什么要平滑？：在地图中显示以取悦看那张地图的人类？
或者使用平滑的轨迹来提供原始数据有问题的其他算法？
为了取悦人类，我在上面给出了答案
取悦其他算法：
他们需要什么？更近的位置？或更好的课程价值/点之间的方向。
您想要平滑哪些属性：只有纬度，经度坐标，还有速度值和航向值？
我对GPS轨道有很多专业经验，并建议，只需移除7km / h以下的每个位置，并保持其余部分不变。在大多数情况下，不需要进一步平滑。
否则会变得昂贵：
可能的解决方案：
1）你安排一个带有磁性车顶天线（E.g公司半球2000 GPS接收器）的2000欧莱克GPS接收器，并将其用作参考
2）您使用通常用于任务的消费者GPS（智能手机等）
两者都安装在车内：驾驶一些测试跑道，状况良好（高速公路）但轨道非常糟糕：强劲的曲线与左右两侧的大房子相结合。通过隧道，一个结构和一个弯曲的，如果你有一个。
3）将平滑算法应用于消费者GPS轨道
4）通过匹配两个位置比较平滑到参考轨道，最后计算（RMSE均方根误差）
<强>难点 匹配两个位置：希望时间可以精确匹配，通常不是这种情况（可能偏移0.5s）。 想想在GPS中断时你会做什么。
首先考虑显示原始轨迹，并确定哪种未平滑的数据不适合/好看。 （可能后来在这里发布了这些照片）
答案 5 :(得分：0)
如何使用优质的旧卡尔曼滤镜呢？