Jakiego algorytmu należy użyć, aby usunąć wartości odstające w danych śledzenia?

Mam ślady GPX i chcę usunąć obserwacje zewnętrzne. Niektóre punkty trasy są niemożliwe, ponieważ wymagałoby to przyspieszenia, którego pojazd nie byłby w stanie osiągnąć.

Czy istnieją dobre algorytmy do filtrowania tak ekstremalnie głośnych obserwacji?

Oto dwa odniesienia do łączenia danych GPS z liniami środkowymi ulic:

Schussler, N. i Axhausen, K. (2009a) , „Dopasowywanie map śladów GPS w sieciach nawigacyjnych o wysokiej rozdzielczości z wykorzystaniem techniki wielu hipotez”, dokument roboczy 568. IVT, ETH Zürich, Zürich.

Schussler, N. i Axhausen, K. (2009b) , „Przetwarzanie surowych danych z globalnych systemów pozycjonowania bez dodatkowych informacji”, Record Research Research: Journal of Transportation Research Board 2105, 28–36.

Link referencyjny (dla osób z dostępem).

Wiem, że SF City zaimplementowało jeden z tych algorytmów do przetwarzania śladów GPS z aplikacji na smartfony, której używają do śledzenia rowerzystów ( kolarzy ); i wydali cały kod na licencji open source (ponieważ są cudowni!). Myślę, że ich problem dotyczył głównie niedokładności w kanionie miejskim; Nie jestem pewien, czy mieli też problem z przyspieszeniem.

Filtr Kalmana może być to, co chcesz: to bierze pod uwagę prognoz opartych na modelu fizycznego systemu. (Np. Nie ma samochodów o prędkości 10000 km / h!)

Odpowiedzi na pytanie o przepełnienie stosu „Gładkie dane GPS” zawierają łącza do implementacji, takich jak repozytorium github ikalman , a także do innych podejść.