4. 轨迹数据预处理

农机在田间作业时，北斗/GNSS终端通常以1～5 Hz的频率记录定位点，一条完整的作业轨迹动辄数万甚至数十万个点。但原始轨迹几乎不可能直接用于面积计算或质量评价：卫星信号在树荫、机库、高压线附近会发生多路径反射，产生偏离田块的“漂移点”；终端在低速或停车状态下反复输出同一位置，形成“重复点”；信号遮挡或设备断电又会导致时间间隔异常，形成“缺失段”。本节围绕这三类问题，讲清楚判断依据、清洗方法和实际操作。

一、先明确判断标准，再动手清洗

清洗不是盲目删点，而是先建立可量化的判据。工程上常用的三个基础量是：相邻点间距离、瞬时速度、时间间隔。设相邻两点为 P_i(x_i, y_i, t_i) 与 P_i+1，则

d_i = √[(x_{i+1}-x_i)² + (y_{i+1}-y_i)²]      # 平面距离，单位 m
v_i = d_i / (t_{i+1} - t_i)                     # 瞬时速度，单位 m/s
Δt_i = t_{i+1} - t_i                            # 采样间隔，单位 s

以拖拉机田间作业为例，合理假设其作业速度不超过 3 m/s（约 10.8 km/h），转场速度不超过 8 m/s。若某点计算出的 v_i 超过 8 m/s，且前后两点距离都很近，则该点极可能是漂移点；若 Δt_i 远大于正常采样间隔（如 1 s 采样却出现 60 s 间隔），则说明中间存在缺失段，不能简单当作匀速插值处理。需要强调的是，这些阈值必须结合机具类型、采样频率和作业场景设定，不能照搬。

二、三类问题的处理策略

漂移点：阈值过滤 + 邻域一致性检验。 单纯用速度阈值会误删高速转场段的正常点，因此更稳妥的做法是“速度阈值初筛 + 邻域一致性复核”。具体做法：对每个点计算其与前后各 2 个点的平均距离，若该点速度超阈值、且它到前后点的距离都显著大于邻域平均距离，则判定为孤立漂移点并剔除。对于连续多个点整体偏移（如整段信号跳变），则需按段标记，整段剔除后重新连接。

重复点：按距离与时间双重去重。 当机具停车怠速时，终端仍持续输出坐标，相邻点距离可能小于 0.1 m。处理时设定最小位移阈值（如 0.2 m），若连续点间距离小于该阈值且时间间隔小于设定值，则仅保留首点。注意：停车点本身是有意义的作业状态信息，去重时应保留“进入停车”和“离开停车”两个端点，而不是把整段停车记录全部删除。

缺失值：区分“可插值”与“不可插值”。 短时缺失（如 1～3 个采样周期）可用线性插值或三次样条补齐；但若缺失时间超过设定上限（如 10 s），或缺失期间机具可能转弯、掉头，则不应插值，而应把轨迹在此处断开为两段，避免凭空生成一条穿过田块的虚假直线，污染后续面积统计。

三、平滑算法：让轨迹更贴近真实行驶线

过滤只能去掉明显异常点，剩余点仍带有 1～3 m 的随机抖动。此时可用平滑算法抑制高频噪声。常用方法有两类：

• 滑动平均：对每个点取前后各 k 个点的坐标均值。实现简单，但会“削平”转弯处的尖角，k 越大越明显，适合直线作业段。
• Savitzky-Golay 滤波：在滑动窗口内做低阶多项式最小二乘拟合，取拟合值作为输出。它能在去噪的同时较好保留转弯形态，窗口长度取奇数（如 7、9、11），多项式阶数取 2 或 3。对 1 Hz 采样、速度 1.5 m/s 的作业轨迹，窗口 9 点约对应 13.5 m 的行驶距离，是一个可参考的起点。

平滑参数不是越大越好。窗口过大，地头掉头的小半径圆弧会被拉直，导致作业幅宽覆盖判断失真。实操中可先用小窗口试算，观察转弯处曲率变化，再逐步调整。

四、实战操作示例

下面给出一段基于 Python 的清洗流程示例（示例参数，非实测结果），输入为按时间排序的 CSV，字段为 time、lon、lat：

import pandas as pd, numpy as np
from scipy.signal import savgol_filter

df = pd.read_csv("track.csv", parse_dates=["time"])
df = df.sort_values("time").reset_index(drop=True)

# 1. 投影到平面（示例：简化为等距圆柱近似，实际应使用当地投影）
df["x"] = (df.lon - df.lon.mean()) * 111320 * np.cos(np.radians(df.lat.mean()))
df["y"] = (df.lat - df.lat.mean()) * 110540

# 2. 计算距离、速度、时间间隔
dx, dy = df.x.diff(), df.y.diff()
df["d"]  = np.hypot(dx, dy)
df["dt"] = df.time.diff().dt.total_seconds()
df["v"]  = df.d / df.dt

# 3. 重复点去重：位移小于 0.2 m 且间隔小于 2 s
mask_dup = (df.d < 0.2) & (df.dt < 2)
df = df[~mask_dup].reset_index(drop=True)

# 4. 漂移点过滤：速度超 8 m/s 且邻域距离异常
df["d_prev"] = df.d.shift(1)
df["d_next"] = df.d.shift(-1)
mask_drift = (df.v > 8) & (df.d_prev > 5) & (df.d_next > 5)
df = df[~mask_drift].reset_index(drop=True)

# 5. 缺失段断开：间隔超过 10 s 处打段号
df["seg"] = (df.dt > 10).cumsum()

# 6. 分段 Savitzky-Golay 平滑
for s, g in df.groupby("seg"):
    if len(g) >= 9:
        df.loc[g.index, "x_s"] = savgol_filter(g.x, 9, 2)
        df.loc[g.index, "y_s"] = savgol_filter(g.y, 9, 2)

运行后应重点检查三件事：一是清洗前后点数变化比例，若删除超过 20%，说明阈值可能过严或原始数据质量差，需要回看原始轨迹；二是分段数量，段数过多意味着缺失频繁，应排查终端供电或信号环境；三是平滑前后转弯处的轨迹形态，若掉头圆弧被明显压扁，应减小窗口长度。

清洗完成后，建议把处理参数（速度阈值、去重距离、缺失上限、平滑窗口）与清洗统计（原始点数、删除点数、分段数）一并记录在数据说明中。同一批次作业的轨迹应使用同一套参数，否则不同地块之间的面积与轨迹质量指标将失去可比性。这也是后续作业质量分析能够成立的前提。