4. 数据预处理

各位同学，欢迎来到实战环节。前面我们聊了定位漂移的原理和整体方案，今天咱们要动真格的了——处理原始NMEA数据。

说实话，我早年刚入行时，觉得数据预处理就是“体力活”，随便写个脚本跑一跑就行。结果呢？有一次在车载项目里，因为没处理好一个异常值，导致整个轨迹回放像“鬼画符”，被客户当场质疑专业能力。从那以后，我再也不敢小看这一步。

数据预处理，说白了就是“把垃圾变成黄金”。你想想看，GPS模块吐出来的NMEA数据，里面夹杂了多少噪声、重复帧、甚至乱码？如果不做清洗，后面的定位算法再牛也白搭。

4.1 NMEA数据解析——从字符串到结构化数据

NMEA 0183协议是GPS模块最常用的输出格式。每一行以$开头，以\r\n结尾。最常见的语句是$GPGGA和$GPRMC。

我个人习惯用$GPGGA，因为它包含了经纬度、海拔、卫星数、HDOP（水平精度因子）等关键信息。解析时，我一般按逗号分割字符串，然后逐字段提取。

// 伪代码示例：解析$GPGGA
char *token = strtok(buffer, ",");
int fieldIndex = 0;
while (token != NULL) {
    switch (fieldIndex) {
        case 0: // 语句ID，跳过
            break;
        case 1: // UTC时间
            utc_time = atof(token);
            break;
        case 2: // 纬度（ddmm.mmmm格式）
            lat_dd = (int)(atof(token) / 100);
            lat_mm = atof(token) - lat_dd * 100;
            latitude = lat_dd + lat_mm / 60.0;
            break;
        case 4: // 经度（dddmm.mmmm格式）
            lon_ddd = (int)(atof(token) / 100);
            lon_mm = atof(token) - lon_ddd * 100;
            longitude = lon_ddd + lon_mm / 60.0;
            break;
        // ... 其他字段
    }
    token = strtok(NULL, ",");
    fieldIndex++;
}

4.2 数据清洗——剔除“脏数据”

解析完NMEA，你会发现数据里藏着不少“垃圾”。比如：

• 重复帧：同一时刻收到多条相同语句
• 乱序帧：时间戳不递增
• 无效定位：定位质量字段为0
• 卫星数不足：少于4颗星，定位不可靠

我建议的清洗策略是“三步走”：

1. 去重：基于时间戳+语句ID，保留第一条，丢弃后续重复的
2. 排序：按时间戳升序排列，丢弃乱序的帧
3. 过滤：只保留定位质量>0且卫星数≥4的数据

4.3 异常值剔除——别让“野点”毁了轨迹

数据清洗之后，还有一类更隐蔽的问题——异常值。比如，GPS突然跳了100米，然后又跳回来。这种“野点”如果不处理，轨迹会像“心电图”。

我常用的方法是“速度+加速度联合约束”：

• 速度约束：相邻两点距离/时间差，如果速度超过200km/h（约55m/s），视为异常
• 加速度约束：相邻三点计算加速度，如果超过5m/s²，视为异常

// 伪代码：异常值剔除
bool isOutlier(Point p1, Point p2, Point p3) {
    double v1 = distance(p1, p2) / (p2.time - p1.time);
    double v2 = distance(p2, p3) / (p3.time - p2.time);
    double acc = (v2 - v1) / (p3.time - p1.time);
    
    if (v2 > 55.0) return true;  // 速度超过200km/h
    if (abs(acc) > 5.0) return true; // 加速度超过5m/s²
    return false;
}

4.4 坐标转换——WGS84转GCJ02

终于到了坐标转换。国内的地图服务（高德、腾讯）都使用GCJ02坐标系，而GPS模块输出的是WGS84。两者之间有个非线性偏移，大概在几百米到一千米不等。

转换算法是公开的，但要注意：GCJ02是加密坐标系，转换公式是固定的。我直接贴出核心代码：

// WGS84转GCJ02（简化版）
void wgs84_to_gcj02(double wgs_lat, double wgs_lon, 
                    double *gcj_lat, double *gcj_lon) {
    const double a = 6378245.0;      // 长半轴
    const double ee = 0.00669342162296594323; // 偏心率平方
    
    double dlat = transform_lat(wgs_lon - 105.0, wgs_lat - 35.0);
    double dlon = transform_lon(wgs_lon - 105.0, wgs_lat - 35.0);
    
    double radlat = wgs_lat / 180.0 * M_PI;
    double magic = sin(radlat);
    magic = 1 - ee * magic * magic;
    double sqrtmagic = sqrt(magic);
    
    dlat = (dlat * 180.0) / ((a * (1 - ee)) / (magic * sqrtmagic) * M_PI);
    dlon = (dlon * 180.0) / (a / sqrtmagic * cos(radlat) * M_PI);
    
    *gcj_lat = wgs_lat + dlat;
    *gcj_lon = wgs_lon + dlon;
}

4.5 本章知识体系

为了让你更直观地理解整个流程，我画了一张图：

嗯，到这里，数据预处理的核心内容就讲完了。你可能会问：“这些步骤的顺序能调换吗？”我的建议是：先解析，再清洗，然后剔除异常，最后做坐标转换。因为坐标转换会引入微小误差，如果先转换再清洗，可能会把正常点误判为异常。