在地理定位云中获得更多可能的位置

Question

我不知道如何获得有关我想解决的这个问题的一些信息。我希望您告诉我要搜索的关键字或任何相关信息。

我有一组用户的地理位置（纬度、经度）。我想知道不同位置组的中间点（不确定这个概念）。

例如，我每分钟记录一次野生动物的位置，所以我会得到类似 的信息。

我想要处理的是获得最常见的 (?) 组点和中点（类似于）

并知道例如中点组一是最“重复”的，所以它是动物睡觉的地方，第二个是动物喝水的地方，第三个是吃东西的地方（例如）。

我在 csv 数据库中有这些点，因此我可以使用 elasticsearch、java 甚至 python 来获取这些信息。

任何有关这方面的线索都会非常有趣。

Answer 1

这是一个典型的clustering 用例，我基本上看到了两个选项：

1。基于质心的聚类

可以通过centroid aggregations 在 Elasticsearch 中访问。

2。基于密度的聚类

DBC 是一种更好的方法，因为它是基于异常值的。这是python implementation。那里可能有更好的，包括。 scikit 的very own。对他们不太熟悉，所以我现在只能说这些。

---

我是来讨论 Elasticsearch 的，所以下面是选项 #1 的做法：

1. 设置索引

PUT animals
{
  "mappings": {
    "properties": {
      "location": {
        "type": "geo_point"
      }
    }
  }
}

1. 向其中添加一些位置

POST _bulk
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[7.5146484375,51.17934297928927]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[7.207031249999999,50.94458443495011]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[7.734374999999999,51.069016659603896]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[7.536621093749999,50.94458443495011]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[8.525390625,51.16556659836182]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[9.55810546875,50.83369767098071]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[9.0087890625,51.138001488062564]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[10.21728515625,50.56928286558243]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[10.87646484375,50.84757295365389]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.25,50.84757295365389]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.09619140625,50.77815527465925]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.513671874999998,50.84757295365389]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.3818359375,50.708634400828224]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.00830078125,50.736455137010665]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.6455078125,51.52241608253253]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[10.78857421875,50.3734961443035]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[10.546875,49.96535590991311]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[10.01953125,49.681846899401286]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[9.29443359375,49.85215166776998]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[8.942871093749998,49.710272582105695]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[9.20654296875,49.5822260446217]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[8.98681640625,49.52520834197442]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[8.6572265625,49.603590524348704]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.546630859375,50.14874640066278]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.865234375,50.0289165635219]}
{"index":{"_index":"animals","_type":"_doc"}}
{"location":[11.42578125,50.52041218671901]}

根据您的草图，我在德国使用了一些随机点：

1. 计算质心

POST animals/_search
{
  "size": 0,
  "aggs": {
    "weighted": {
      "geohash_grid": {
        "field": "location",
        "precision": 2
      },
      "aggs": {
        "centroid": {
          "geo_centroid": {
            "field": "location"
          }
        }
      }
    }
  }
}

这会遍历所有点，而不是只是那些在您的草图中“明确绑定”的点。这意味着会有一些异常值包含很少需要跳过的点。

因此，获取 Elasticsearch 返回的存储桶，只过滤较大的存储桶（我在这里使用 JS 而不是 python），然后使用 TurfJS 将它们转换为 geojson：

turf.featureCollection(
  buckets.filter(p => p.doc_count > 3)
         .map(p => turf.point([
           p.centroid.location.lon,
           p.centroid.location.lat
         ])))

产生以下结果：

如您所见，“中心”是倾斜的，因为浓度不够“高”。使用更集中的组，算法会变得更好。

但坦率地说，DBSCAN 是要走的路，而不是加权质心。