Welchen Algorithmus sollte ich verwenden, um Ausreißer in Trace-Daten zu entfernen?

Ich habe GPX-Spuren und möchte abgelegene Beobachtungen entfernen. Es gibt einige Routenpunkte, die unmöglich sind, weil sie eine Beschleunigung erfordern würden, die das Fahrzeug nicht erreichen kann.

Gibt es gute Algorithmen, um solche extrem verrauschten Beobachtungen herauszufiltern?

Hier sind zwei Referenzen zum Verknüpfen von GPS-Daten mit Straßenmittellinien:

Schussler, N. & Axhausen, K. (2009a) , "Kartenanpassung von GPS-Spuren in hochauflösenden Navigationsnetzen unter Verwendung der Mehrfachhypothesentechnik", Arbeitspapier 568. IVT, ETH Zu rich, Zu rich.

Schussler, N. & Axhausen, K. (2009b) , „Verarbeitung von Rohdaten aus globalen Positionierungssystemen ohne zusätzliche Informationen“, Transportation Research Record: Journal des Transportation Research Board 2105, 28–36.

Referenzlink (für diejenigen mit Zugang).

Ich weiß, dass SF City einen dieser Algorithmen implementiert hat, um GPS-Tracks von einer Smartphone-App zu verarbeiten, mit der Radfahrer verfolgt werden ( Cycletracks ). und sie haben den gesamten Code unter einer Open-Source-Lizenz veröffentlicht (weil sie wunderbar sind!). Ich denke, ihr Problem hatte hauptsächlich mit Ungenauigkeiten in der Stadtschlucht zu tun. Ich bin mir nicht sicher, ob sie auch ein Problem mit der Beschleunigung hatten.

Ein Kalman-Filter kann das sein, was Sie wollen: Er berücksichtigt Vorhersagen, die auf einem physikalischen Modell des Systems basieren. (ZB keine 10000mph Autos!)

Antworten auf die Frage zum Stapelüberlauf "Smooth GPS-Daten" enthalten Links zu Implementierungen wie dem ikalman Github-Repository und anderen Ansätzen.