分享
如何根据时间序列的gps数据,分析gps设备的运动状态?
把gps追踪器,佩戴在不同的运动物体上,然后开始采集数据,采集频率为每秒钟一次,采集到的信息有经度,纬度,海拔,地速(速度),最终得到的是许多连续时间段的gps数据。数据大概是这样的(2015-05-01 08:00:00 到2015-05-01 11:00:00)为一段数据(2015-05-02 08:00:00 到2015-05-01 11:00:00)为一段数据……问题是:通过什么办法可以分析出每一段数据的设备运动状态。可能的运动状态有:徒步,滑翔伞,直升机等等。比如,徒步的话,可以求出平均速度,如果平均速度在5-10km/h就算在徒步。滑翔伞呢,是一种空中伞类运动,在天空中靠气流来爬升,运动有一定的规律,比如运动轨迹从三维模拟上看,遇到气流会盘旋上升。如果把速度和高度都表示成折线图,会有比较大的波动。请问,有什么办法可以提取出这些规律,然后来判断每一段gps数据的运动状态。或者,我该如何入手,如何量化这些特征。或者,我该如何从已经确定运动状态的数据中提取特征,然后分析未知的数据。我目前了解的是,可以从统计概率相关知识来作为突破口,但是统计的概念又很多,回归测试,相关性分析等等,由于知识的局限性,很难确定应该用什么方法来进行分析。希望可以提供一些思路,谢谢补充:由于每段gps数据的数据量足够多,都在几十分钟到几个小时,所以可以过滤掉gps飘逸的点,也就是可以忽略gps飘逸问题
回复 ( 4 )
RNN+LSTM
你先了解这两项东东
我这正好有个类似的岗位在招人,如有能解决此类问题的人,欢迎应聘。
蚂蚁金服P7或以上岗位待遇。
你可以添加气压计和IMU传感器,就相对简单,不过自动识别的准确度可以通过样本训练。使用伪距GPS精度太差。
直接利用神经网络的自动编码,比如5条数据做成一个输入,输出个数为要分类的个数。我猜测能做到分类吧
注意gps本身的误差,其他不太懂。走路和跑步等运动模式首先是速度差异,还有重心。建议,先录一段”标准”模式来识别。