我正在尝试实现一个简单的卡尔曼过滤器，该过滤器将用于使用一组地理坐标或来自 twitter 推文地理数据的位置 ID 来跟踪用户移动。
本质上，我正在使用 Twitter 数据计算移动模式？给定大量推文，其中一些带有地理坐标，一些带有位置 ID，我们可以使用（或开发）哪些方法来检查用户去哪里，他们移动了多少，以及他们什么时候回到“家”。
任何人都可以对此有所了解吗？
问问题
90 次
1 回答
1
我要说的是，这个问题目前的形式非常模棱两可，而且非常不完整。我不熟悉 twitter 的地理数据，地理坐标会是纬度和经度吗？或者它们会在其他一些地心坐标系中表示。我可以假设您可以将地点 ID 转换为相同的表示形式吗？如果是这样，您的过滤器实现将变得更加简单。
总而言之，是的，可以跟踪用户的坐标，因为测量频率足够好，并且您正在为每个用户应用正确的运动和观察模型。如果您已经有一个与每个地理坐标相关联的 ID（我认为就是这种情况），那么您的过滤器实现会进一步简化为运行多个卡尔曼过滤器实例（每个用户一个）。
最后我假设地理数据是嘈杂的，也许这就是你想使用卡尔曼滤波器跟踪坐标的原因。
你知道他们家在哪里吗？或者您是否也想通过分析他们的动作来使用您的过滤器检测到这一点？
最后，我将讨论一些您可能必须解决的问题，如果您不熟悉过滤，我建议您从跟踪一位用户的动作开始，然后开始阅读www.kalmanfilter.net指南。如果地理数据提供纬度/经度，则 utm (x,y) 坐标将通过非线性函数获得，从而推动您使用具有非线性观测模型的过滤器。就运动模型而言，我认为您可以使用简单的线性完整模型（对于行人来说应该足够了），但是如果用户正在驾驶汽车呢？良好跟踪的关键是测量频率。您多久获得一次这些位置测量值？它们足以满足您的申请吗？
也许您应该进一步澄清您想要跟踪的究竟是什么？"他们移动了多少？" 是什么意思？意思是。仅使用离散过滤器跟踪访问量和在有限数量的位置（如图中的节点）中花费的时间会满足您的要求吗？
于 2021-02-08T12:42:42.140 回答