空间数据规格

• 数据规格：shp, tab, WKB/WKT, GeoJSON/TopoJSON, PostGIS…
• 工具库：GDAL(C/C++), GeoTools(Java), pyshp(Python), rgdal(R), sf(R)

空间计算

• 工具库：GEOS(C/C++), JTS(Java), shapely(Python), rgeos(R)

空间索引

简单总结空间索引技术，就是一句话：点数据用Geohash，线、面数据用R树。下面是zhanlijun（美团->阿里）的一系列经典博文：

• Geohash算法原理
• 空间索引1
• 空间索引2
• 地理围栏技术：判断点是否落在某多边形围栏内部

空间可视化

• 瓦片地图原理
• R空间可视化入门
• R绘制Geohash块
• 工具库/软件：Mapnik(C++, Python), GeoServer(Java), Leaflet(Javascript), Leaflet for R(R), folium(Python)
• GeoServer基本使用方法

轨迹挖掘

• GPS噪点过滤
  • Mean Filter或Median Filter：按照相邻观测位置进行噪点过滤
  • 卡尔曼滤波：按照观测位置概率与动力学推断概率的复合概率进行位置平滑。卡尔曼滤波原理、Kalman与GPS、pykalman应用于GPS
  • 启发式噪点过滤：speed-based filter，density-based clustering
• 停留点检测
  • 启发式算法：微软亚洲研究院郑宇
• 轨迹分段
  • 按照时间分段：比如只考虑最近8分钟的轨迹点，常用于线上应用，经典例子是实时路况
  • 按照时空特点分段：比如相邻两点的时间间隔超过6分钟；相邻转向超过120度；使用Douglas-Peucker压缩获得形状关键点，按照关键点分割；按照停留点分割；按照速度跃变分段
  • 按照业务信息分段：根据起点和终点抽取轨迹；根据配送任务分段轨迹
• 轨迹生成路网：微软亚洲研究院郑宇
• 地图分区
  • 矢量分区：基于矢量形状的计算获取地图分区，Python shapely
  • 栅格分区：基于图片计算获取地图分区，微软亚洲研究院郑宇
• 地图匹配
  • Hidden Markov Model：ST-Matching算法，可以看做是HMM的变种，微软亚洲研究院郑宇

经典论文

• 地图匹配：输入一串GPS点，返回一串Link
  • Hidden Markov Model：Map-Matching for Low-Sampling-Rate GPS Trajectories
  • Global Matching: On Map-Matching Vehicle Tracking Data
• 轨迹距离：根据海量轨迹获得任意两点之间的通行距离或通行时间
  • 统计法：A Simple Baseline for Travel Time Estimation using Large-Scale Trip Data
  • 神经网络：A Unified Neural Network Approach for Estimating Travel Time and Distance for a Taxi Trip
• 基于摩拜单车轨迹数据的自行车道规划