Question

问题：在给定具有时间，纬度和经度的数据流的情况下，确定两个骑自行车的人是否一起骑行的计算效率最高的方法是什么？

背景：我是一个狂热的骑自行车的人，想逆向工程 Strava 如何将骑自行车的人分组在一起。这是他们确定骑自行车的人是否在一起的方法（他们使用时间和一次骑行的 lat / lon）：s://support.strava/hc/en-us/articles/216919497-Why-don-t-I-get-grouped-in-Activities-when-I-rode-ran-with-others-

骑自行车完成后，我每秒都有一个纬度和经度文件。

Rider 1 Route:

Rider 2 Route:

您可以看到 Rider 1 和 Rider 2 一起骑行，但是 Rider 2 从另一个地方开始，后来加入了 Rider 1。

我想用最少的计算密集的方式来确定这两个骑手一起骑，尽管从不同的位置开始。

我认为 Strava 的方法很好-基本上在路线上的每个点周围建立一个邻近区域（150 米），并比较骑手的路线，看看骑手是否在彼此 150 米内花费了 70 ％的时间。

骑士 1-位置：
2016-03-27T11:47:45Z42.113059-87.736485
2016-03-27T11:47:46Z 42.113081-87.736511
2016-03-27T11:47:47Z 42.113105-87.43649538
2016-03:48br 7275

Rider 2-位置：
-2016-03-27T11:47:45Z42.113049-87.736394 & lt;= 查找 Rider 1 的相同时间并确定是否在 150 米内。如果 & lt;150 米分配 1，如果 & gt;150 分配 0。

我将遍历 Rider 2 的每个点与 Rider 1 的每个点。然后总结 1s 和 0s。如果（1s 和 0s 的总和）/（总分）大于 70 ％，则将骑手分组在一起。

我认为这种方法通常会起作用，但似乎非常计算密集，特别是如果有成千上万的骑手要评估。此外，数据并不总是每秒有纬度和经度。一种方法是每分钟平均位置并按分钟比较平均位置。至少它将减少 60 次迭代。

我希望有一些统计或 GIS 方法来建立路线的“签名”并比较签名，而不是逐点比较。

关于如何以最有效的方式计算路线比较的任何想法？

注意：我在 GIS 论坛上发布了类似的问题，但还没有人回应，尽管，我确实认为这里写的问题更清楚。
s://gis.stackexchange/questions/187019/strava-activity-route-grouping

1

Answer 1

我将假设以下是正确的：

对于每个骑自行车的人 C，都有一个时间 T，经度 X 和纬度 Y 的数据流（我们使用投影的 X 和 Y 进行简化，而不关心投影;但是，我们应该）

数据流可以写入数据库或其他类型的持久性数据存储

C 的数据流以 1s 的速率采样，因为不能保证每个样本都被采集;我们必须假设样本在超过 50 ％的情况下被采集（最好是 95 ％;99,7 ％是完美的）

在这种情况下，数据库中的一个表包含分析所需的所有数据。让我们看看两个骑自行车的人 C1 和 C2 的情况。

╔════╦════╦════╦════╦════╦═══════╗
║ T  ║ X1 ║ Y1 ║ X2 ║ Y2 ║   D   ║
╠════╬════╬════╬════╬════╬═══════╣
║  1 ║ 10 ║ 15 ║ -  ║ -  ║     - ║
║  2 ║ 11 ║ 16 ║ -  ║ -  ║     - ║
║  3 ║ 11 ║ 17 ║ 19 ║ 11 ║ 10,00 ║
║  4 ║ 12 ║ 18 ║ 18 ║ 11 ║  9,22 ║
║  5 ║ 12 ║ 17 ║ 17 ║ 12 ║  7,07 ║
║  6 ║ -  ║ -  ║ 15 ║ 12 ║     - ║
║  7 ║ 13 ║ 16 ║ 14 ║ 13 ║  3,16 ║
║  8 ║ 13 ║ 15 ║ 13 ║ 14 ║  1,00 ║
║  9 ║ 14 ║ 14 ║ 13 ║ 14 ║  1,00 ║
║ 10 ║ 14 ║ 13 ║ 14 ║ 13 ║  0,00 ║
║ 11 ║ 14 ║ 14 ║ 14 ║ 14 ║  0,00 ║
║ 12 ║ 14 ║ 15 ║ 14 ║ 14 ║  1,00 ║
║ 13 ║ 15 ║ 15 ║ 15 ║ 15 ║  0,00 ║
║ 14 ║ 15 ║ 16 ║ 15 ║ 16 ║  0,00 ║
║ 15 ║ 16 ║ 16 ║ 16 ║ 17 ║  1,00 ║
║ 16 ║ 17 ║ 18 ║ 16 ║ 16 ║  2,24 ║
╚════╩════╩════╩════╩════╩═══════╝

这种比较可以很容易地使用例如 SELECT 在数据库中,说自连接一个表的两个骑自行车的人。对于一个合理数量的行 (例如 & lt;10E5,& lt;10E6) 和正确设置的索引,这种计算根本不是资源密集型的。特别是如果我们考虑到数据库查询可以这样写,值 D 不是每个位置的输出,但计算出的总计数比 (count) 少。

让我们看一个例子。如果数据库中有这样的表,名为 CyclistPosition:

CyclistId-骑自行车的人的标识符

采样时间-采样 (位置) 的 UTC 时间

长-经度

纬度-纬度

...具有以下数据：

╔═══════════╦═══════════════════════╦═══════════╦════════════╗
║ CyclistId ║     SamplingTime      ║   Long    ║    Lat     ║
╠═══════════╬═══════════════════════╬═══════════╬════════════╣
║         1 ║ 2016-03-27T11:47:45Z  ║ 42,113059 ║ -87,736485 ║
║         1 ║ 2016-03-27T11:47:46Z  ║ 42,113081 ║ -87,736511 ║
║         1 ║ 2016-03-27T11:47:47Z  ║ 42,113105 ║ -87,736538 ║
║         1 ║ 2016-03-27T11:47:48Z  ║ 42,113142 ║ -87,736564 ║
║         1 ║ 2016-03-27T11:47:49Z  ║ 42,113175 ║ -87,736587 ║
║         2 ║ 2016-03-27T11:47:45Z  ║ 42,113059 ║ -87,736394 ║
║         2 ║ 2016-03-27T11:47:46Z  ║ 42,113085 ║ -87,736481 ║
║         2 ║ 2016-03-27T11:47:47Z  ║ 42,113103 ║ -87,736531 ║
║         2 ║ 2016-03-27T11:47:48Z  ║ 42,113139 ║ -87,736572 ║
║         2 ║ 2016-03-27T11:47:49Z  ║ 42,113147 ║ -87,736595 ║
╚═══════════╩═══════════════════════╩═══════════╩════════════╝

...然后我们可以使用以下方法为骑自行车的人 1 和 2 提取数据：

SELECT SamplingTime, Long, Lat FROM CyclistPosition WHERE CyclistId = 1
SELECT SamplingTime, Long, Lat FROM CyclistPosition WHERE CyclistId = 2

...并使用此查询交叉引用该数据...

SELECT 
  cp1.SamplingTime,
  Long1 = cp1.Long, 
  Lat1 = cp1.Lat,
  Long2 = cp2.Long,
  Lat2 = cp2.Lat
FROM 
  CyclistPosition cp1
  JOIN CyclistPosition cp2
    ON cp2.SamplingTime = cp1.SamplingTime
WHERE
  cp1.CyclistId = 1
  AND cp2.CyclistId = 2

我们现在有这种输出，如果我们包括 rougly 计算的 X 和 Y（使用墨卡托），我们得到：

╔═══════════════════════╦═══════════╦════════════╦═══════════╦════════════╦══════════════╗
║     SamplingTime      ║   Long1   ║    Lat1    ║   Long2   ║    Lat2    ║     Dm       ║
╠═══════════════════════╬═══════════╬════════════╬═══════════╬════════════╬══════════════╣
║ 2016-03-27T11:47:45Z  ║ 42,113059 ║ -87,736485 ║ 42,113059 ║ -87,736394 ║ 10,118517    ║
║ 2016-03-27T11:47:46Z  ║ 42,113081 ║ -87,736511 ║ 42,113085 ║ -87,736481 ║ 3,334919     ║
║ 2016-03-27T11:47:47Z  ║ 42,113105 ║ -87,736538 ║ 42,113103 ║ -87,736531 ║ 0,777079     ║
║ 2016-03-27T11:47:48Z  ║ 42,113142 ║ -87,736564 ║ 42,113139 ║ -87,736572 ║ 0,890572     ║
║ 2016-03-27T11:47:49Z  ║ 42,113175 ║ -87,736587 ║ 42,113147 ║ -87,736595 ║ 0,900635     ║
╚═══════════════════════╩═══════════╩════════════╩═══════════╩════════════╩══════════════╝

请注意，对于以米为单位的距离的粗略计算，您必须找到公式;我在这里使用了一个：

://bluemm.blogspot.hr/2007/01/excel-formula-to-calculate-distance.html

现在我们必须聚合数据并对其进行计数。我们必须将数据限制为开始和结束时间（T1和T2），并确定最大距离（D0）以表示骑自行车的人一起骑行。在 SQL 中执行此操作的简单方法是：

DECLARE @togetherPositions int
DECLARE @allPositions int
DECLARE @ratio decimal(18,2)
SELECT @togetherPositions = count(*)
FROM 
  CyclistPosition cp1
  JOIN CyclistPosition cp2
    ON cp2.SamplingTime = cp1.SamplingTime
WHERE
  cp1.SamplingTime BETWEEN @T1 AND @T2
  AND {formula to get distance in meters} <= @D0
SELECT @allPositions = count(*)
FROM 
  CyclistPosition cp1
  JOIN CyclistPosition cp2
    ON cp2.SamplingTime = cp1.SamplingTime
WHERE
  cp1.SamplingTime BETWEEN @T1 AND @T2
SET @ratio = @togetherPositions / @allPositions * 1.0

现在你只需要决定比率是 0.7，0.8，0.85...

赫特