0

我想根据 GPS 轨迹分析行进距离但是当我计算距离时，它总是显得太大。

我使用 python 制作一个 csv 文件，其中包含轨道中所有点的纬度和经度，然后我使用 R 进行分析。数据框如下所示：

|      lat|      lon|   lat.p1|   lon.p1| dist_to_prev|
|--------:|--------:|--------:|--------:|------------:|
| 60.62061| 15.66640| 60.62045| 15.66660|    28.103099|
| 60.62045| 15.66660| 60.62037| 15.66662|     8.859034|
| 60.62037| 15.66662| 60.62026| 15.66636|    31.252373|
| 60.62026| 15.66636| 60.62018| 15.66636|     8.574722|
| 60.62018| 15.66636| 60.62010| 15.66650|    17.787905|
| 60.62001| 15.66672| 60.61996| 15.66684|    14.393267|
| 60.61996| 15.66684| 60.61989| 15.66685|     7.584996|
...

我可以在这里发布整个数据框以获得可重复性，它只有 59 行，但我不确定在这里发布大块数据的礼仪？让我知道如何最好地分享它。

lat.next 和 lon.next 只是下面一行的 lat 和 lon。dist_to_prev 使用 geosphere 中的 distm() 计算：

library(geosphere)
library(dplyr)

df$dist_to_prev <- apply(df, 1 , FUN = function (row) { 
   distm(c(as.numeric(row["lat"]), as.numeric(row["lon"])), 
         c(as.numeric(row["lat.p1"]), as.numeric(row["lon.p1"])),
   fun = distHaversine)})

df %>% filter(dist_to_prev != "NA") %>% summarise(sum(dist_to_prev))

# A tibble: 1 x 1
`sum(dist_to_prev)`
            <dbl>
1           1266.

我以 Trailforks 的这条赛道为例，如果你看一下他们的赛道描述，它应该是 787m，而不是我得到的 1266m。这不是这条赛道独有的，而是我看过的所有赛道。当我这样做时，它们都会出现 30-50% 的时间太长。

可能的原因之一是纬度/经度只有 5 个小数位。csv 中有 6 个小数位，但当我在 Rstudio 中打开它时，我只能看到 5 个。我在想它只是格式化以使其更易于阅读，并且“整个”数字在那里但也许不是？纬度/经度的类型为：双精度。

为什么我的距离比我获得 gpx 文件的网站上显示的距离大得多？

4

1 回答 1

1

上面的代码有几个问题。该函数distHaversine是一个矢量化函数，因此您可以避免循环/应用语句。这将显着提高性能。

最重要的是 geosphere 包的第一个坐标是经度而不是纬度。

df<- read.table(header =TRUE, text=" lat      lon   lat.p1   lon.p1
60.62061 15.66640 60.62045 15.66660
60.62045 15.66660 60.62037 15.66662
60.62037 15.66662 60.62026 15.66636
60.62026 15.66636 60.62018 15.66636
60.62018 15.66636 60.62010 15.66650
60.62001 15.66672 60.61996 15.66684
60.61996 15.66684 60.61989 15.66685")


library(geosphere)

#Lat is first column (incorrect)
distHaversine(df[,c("lat", "lon")], df[,c("lat.p1", "lon.p1")])
#incorrect
#[1] 28.103099  8.859034 31.252373  8.574722 17.787905 14.393267  7.584996

#Longitude is first (correct)
distHaversine(df[,c("lon", "lat")], df[,c("lon.p1", "lat.p1")])
#correct result.
#[1] 20.893456  8.972291 18.750046  8.905559 11.737448  8.598240  7.811479
于 2018-11-11T20:50:06.737 回答