Python：找出一组gps坐标上最常见的位置答案

【问题标题】：Python: Find out most frequent locations on a set of gps coordinatesPython：找出一组gps坐标上最常见的位置
【发布时间】：2013-03-25 20:13:42
【问题描述】：

我需要在 python 中分析一组 GPS 坐标。我需要找出最常见的位置。考虑到GPS数据的精度问题，定位精度不是很高。难以解释（以及在 google 上搜索信息），因此举个例子：

如果我运行脚本，我需要分析驱动器开始和停止的坐标，位置半径精度为 20m，我会发现最常出现的地方是我的家和我的工作（每个都有一个半径 20m)。在这个范围内我停在哪里都没关系。

python中有没有可以执行此类操作的库？你有什么建议吗？

谢谢

【问题讨论】：

为了降低精度，我只删除最后几个数字。
根据纬度/经度计算两点之间的距离非常简单......这是毕达哥拉斯定理的东西。鉴于您的坐标数量相对较少（仅限开始和停止），只需做一些简单的数学运算，无需库。
@Endophage ...我明白了，不需要考虑地球曲率？
en.wikipedia.org/wiki/K-means_algorithm 或 en.wikipedia.org/wiki/DBSCAN 怎么样？
@otmezger 是的。另外一个小的优化，如果你使用正方形 20m 的距离而不是圆的半径，计算会更便宜：diff_x < 20 and diff_y < 20 而不是sqrt(diff_x**2 + diff_y**2) < 20

【解决方案1】：

如果您最感兴趣的地方是您去的地方，您可以考虑从每个驱动器中取第一个和最后一个点，并且仅在您在那里停留超过 x 时间时才取中间点.也许如果您在最后 k 个数据点上的平均速度小于某个阈值。这应该可以更容易地应用一些聚类技术（如k-means clustering）。

可能会派上用场的是使用approximate nearest neighbors 为任何给定点查找相对靠近它的点的集合。

要从图形中获取页面，您甚至可以尝试在所有数据点的空间上叠加一个高分辨率网格，并为每个点在该网格上制作一个小半径的 splat。每次添加 splat 时，您都可以累积在该点花费的时间，然后跟踪网格中累积时间最长的点。

【讨论】：

【解决方案2】：

为了计算最常见的位置，一种简单的方法是仅使用纬度/经度小数点后的前 3 位数字，或者更好地舍入到逗号后的 3 位数字。

在赤道：

4 位数：11 m
3位111m
2位数1.1公里
1 位数 11.1km
0位111.111公里（两条经线之间的距离）：40 000 000 / 360

然后您可以用作哈希表，乘以例如 1000 以去掉 3 个小数点，并作为 java.awt.Point 存储在哈希表中。

有更好的解决方案，但这给出了第一个想法。

【讨论】：

我认为这不是一个好主意，因为如果我在 2 个“4 位”之间有一个点，它会被舍入错误
位于该 3 位网格边界上的点可以落在另一个网格中。但是在 60m - 100m 的光栅上没关系，那么在最坏的情况下，如果你的停车位不同，你家周围就有两个热点。所有其他解决方案都需要高度的特殊地理空间知识知识。（例如使用 PMR-quadtree 等）您可能会阅读 Hana Samet：多维和度量搜索结构的基础。
更新答案，四舍五入到 3 位数。（把灵魂想象成一个棋盘，你的轨迹就像面包屑，当面包屑位于每个棋盘上时，你会增加每个棋盘的计数器。）