গতি পেতে আপনার অবশ্যই সময় থাকতে হবে । এভাবে আপনি সময় বাড়িয়ে কলাম {সময়, এক্স, ওয়াই col সহ ফ্যাশনের মতো স্প্রেডশিটে আপনার পয়েন্টগুলি অর্ডার করতে পারেন।
এখানে একটি উদাহরণ দেওয়া হয়েছে যেখানে জিপিএস ইউনিটটি একটি ঘড়ির কাঁটার বিপরীতে সার্কিট প্রায় শেষ করে:
এই পয়েন্টগুলি সময় সমান ব্যবধানে প্রাপ্ত হয় নি। সুতরাং গতি অনুমান করা একক মানচিত্র থেকে অসম্ভব is (এই ট্রিপটি আপনাকে কল্পনা করতে সহায়তা করার জন্য, যদিও আমি প্রায় সমান বিরতিতে জিপিএস মান সংগ্রহ করা নিশ্চিত করেছিলাম , যাতে আপনি দেখতে পারেন যে ট্রিপটি দ্রুত শুরু হয়েছিল এবং দুটি মধ্যবর্তী পয়েন্টে এবং শেষের দিকে ধীর হয়ে গেছে))
কারণ আপনি গতিতে আগ্রহী, ক্রমাগত সারিগুলির পাশাপাশি সময়ের পার্থক্যের মধ্যে দূরত্বগুলি গণনা করুন। সময়ের পার্থক্যের দ্বারা দূরতাকে ভাগ করা তাত্ক্ষণিক গতির প্রাক্কলন দেয়। এখানেই শেষ এটা পেতে ওখানে যাও. আসুন সময় বিপরীতে estima অনুমানের একটি প্লট দেখুন:
লাল পয়েন্টগুলি গতির পরিকল্পনা করে যখন ধূসর বক্ররেখা একটি ক্রুড মসৃণ হয়, কেবলমাত্র চোখের গাইড করার জন্য। সর্বাধিক গতির সময় এবং সর্বোচ্চ গতি নিজেই প্লট থেকে পরিষ্কার এবং আপনি যদি কোনও জিআইএসে স্প্রেডশিট বা সাধারণ ডেটা সংক্ষিপ্ত ফাংশন ব্যবহার করেন তবে এখন পর্যন্ত ডেটা থেকে সহজেই পাওয়া যায়। যাইহোক, এই গতির প্রাক্কলন সন্দেহজনক কারণ জিপিএস পয়েন্টগুলিতে স্পষ্টভাবে তাদের মধ্যে কিছু পরিমাপের ত্রুটি রয়েছে।
পরিমাপ ত্রুটির সাথে লড়াই করার একটি উপায় হ'ল একাধিক সময়কালের মধ্যে দূরত্বগুলি সংগ্রহ করা এবং সময়গুলি অনুমান করার জন্য সেগুলি ব্যবহার করা। উদাহরণস্বরূপ, যদি {সময়ের পার্থক্য, দূরত্ব} ডেটা পূর্বে গণনা করা হয়
d(Time) Distance
0.90 0.17
0.90 0.53
1.00 0.45
1.10 0.29
0.80 0.11
তারপরে বিচ্ছিন্ন সময়গুলি এবং দুই সময়ের পিরিয়ডের মধ্যে মোট দূরত্ব প্রতিটি ক্রমান্বয়ে সারি যুক্ত করে প্রাপ্ত হয়:
d(Time) Distance
1.80 0.70
1.90 0.98
2.10 0.74
1.90 0.40
জমে থাকা সময় এবং দূরত্বের গতি পুনরায় সাজান।
যে কোনও সময় সময়সীমার জন্য এই গণনা চালিয়ে যেতে পারে, দীর্ঘ সময় ধরে গতির প্রাক্কলন ব্যয় করতে ব্যয় করে সর্বদা মসৃণ এবং আরও নির্ভরযোগ্য প্লট অর্জন করতে পারে। যথাক্রমে 3 এবং 5 সময়সীমার জন্য গণনা করা একই ডেটার প্লটগুলি এখানে রয়েছে:
স্মুথিংয়ের পরিমাণের সাথে কীভাবে সর্বোচ্চ গতি হ্রাস পাবে তা লক্ষ্য করুন। এটি সর্বদা ঘটবে। কোনও অনন্য সঠিক উত্তর নেই: আপনি কতটা মসৃণ করেন তা নির্ভর করে পরিমাপের পরিবর্তনশীলতার উপর এবং কোন গতিতে আপনি গতি অনুমান করতে চান তার উপর। এই উদাহরণে আপনি সর্বাধিক গতি 2.5 হিসাবে উচ্চতর (ধারাবাহিক জিপিএস পয়েন্টের উপর ভিত্তি করে) প্রতিবেদন করতে পারেন তবে জিপিএসের স্থানে ত্রুটির কারণে এটি কিছুটা বিশ্বাসযোগ্য হবে না। পাঁচ-পিরিয়ড স্মুথের উপর ভিত্তি করে আপনি সর্বোচ্চ গতির 2.1 হিসাবে কম হিসাবে রিপোর্ট করতে পারেন।
এটি একটি সহজ পদ্ধতি তবে অগত্যা সেরা নয়। আমরা যদি জিপিএস লোকাল ত্রুটিটিকে পথের সাথে একটি উপাদান এবং পথের লম্বাকৃতির অন্য উপাদানগুলিতে বিভক্ত করি তবে আমরা দেখতে পাচ্ছি যে পথটির পাশের উপাদানগুলি পুরো দূরত পেরিয়ে যাওয়ার অনুমানকে প্রভাবিত করে না (প্রদত্ত যে পথটি যথেষ্ট পরিমাণে নমুনাযুক্ত থাকে): "কোণে কাটা" করবেন না)। পথটি বাড়ানোর জন্য লম্ব উপাদানগুলিআপাত দূরত্ব এটি সম্ভাব্যভাবে অনুমানটিকে wardর্ধ্বমুখী করে। যাইহোক, যখন জিপিএস রিডিংয়ের মধ্যে সাধারণ দূরত্ব সাধারণত দূরত্বের ত্রুটির তুলনায় বড় হয়, তখন পক্ষপাত ছোট হয় এবং সম্ভবত জিপিএস সিকোয়েন্স দ্বারা ক্যাপচার করা হয়নি এমন পথে ছোট ছোট উইগলসের জন্য ক্ষতিপূরণ দেওয়া হয় (যা কিছু কোণে কাটিয়া হয় সর্বদা সম্পন্ন)। অতএব, এই অন্তর্নিহিত পক্ষপাতীদের সাথে লড়াই করার জন্য আরও পরিশীলিত অনুমানকারী বিকাশ করা যথাযথ নয়, যদি না "উইগলস" বা জিপিএস পরিমাপের ত্রুটি যে পাথের সাথে থাকে তার সাথে জিপিএস স্যাম্পলিং ফ্রিকোয়েন্সি খুব কম হয়।
রেকর্ডের জন্য, আমরা সত্য, সঠিক ফলাফল দেখাতে পারি , কারণ এগুলি সিমুলেটেড ডেটা:
পূর্বের প্লটগুলির সাথে এটির তুলনা করে দেখায় যে এই নির্দিষ্ট ক্ষেত্রে সর্বোচ্চ কাঁচা গতি সর্বাধিককে সর্বোচ্চ সর্বাধিক গুরুত্ব দিয়েছিল যখন পাঁচ-সময়ের গতি সর্বাধিক খুব কম ছিল।
সাধারণভাবে, যখন জিপিএস পয়েন্টগুলি উচ্চ ফ্রিকোয়েন্সি সহ সংগ্রহ করা হয়, সর্বাধিক কাঁচা গতি সম্ভবত খুব বেশি থাকে: এটি প্রকৃত সর্বাধিককে ছাড়িয়ে যায়। যেকোন ব্যবহারিক ক্ষেত্রে এর চেয়ে বেশি বলার জন্য জিপিএস ত্রুটির প্রকৃতি এবং আকার, জিপিএস সংগ্রহের ফ্রিকোয়েন্সি এবং অন্তর্নিহিত পথটির জঘন্যতার পূর্ণ পরিসংখ্যান বিশ্লেষণের প্রয়োজন হবে।
