3. 轨迹数据采集四大指标：看懂数据质量的门道
做轨迹输出，数据采集是第一步。但采集回来的数据到底能不能用？质量怎么样？这就是我们今天要聊的话题。
我个人习惯把这四个指标称为“数据质量四件套”——采样率、覆盖范围、精度、噪声水平。理解透它们，你就能一眼看出数据的好坏。
3.1 采样率：数据的时间密度
采样率，说白了就是单位时间内采集多少个轨迹点。单位是赫兹（Hz）或秒。
举个简单的例子：GPS接收机输出频率是10Hz，那就意味着每0.1秒输出一个位置点。10秒下来，你就有100个点。
采样率的重要性体现在哪？
- 高频运动需要高采样率：汽车急转弯、无人机快速变向，采样率低了轨迹会“断片”。
- 低频运动可以降低采样率：步行、仓储AGV，1-5Hz基本够用。
- 影响后端处理：采样率直接影响滤波、融合、平滑的效果。
实际项目中，我习惯这样评估采样率是否合理：
# 场景：高速车辆轨迹，最高速度 120km/h ≈ 33.3m/s
# 要求：轨迹点间距不超过 2 米
# 所需采样率 = 33.3 / 2 ≈ 17 Hz
# 场景：步行定位，速度 1.5 m/s
# 要求：间距不超过 0.5 米
# 所需采样率 = 1.5 / 0.5 = 3 Hz你想想看，如果你的场景是无人机编队或者高速赛车，采样率低于20Hz基本没法做。反过来，做室内人员定位，5Hz就绰绰有余。
3.2 覆盖范围：数据的边界
覆盖范围包含两个维度：空间覆盖和时间覆盖。
| 维度 | 定义 | 实际含义 |
|---|---|---|
| 空间覆盖 | 轨迹覆盖的地理区域大小 | 整个园区？整栋楼？还是某个房间？ |
| 时间覆盖 | 数据持续采集的时长 | 是否跨越了不同时段、不同天气、不同季节？ |
我在做室内定位项目时遇到过一个问题：某个走廊的Wi-Fi信号采集只覆盖了工作日白天，但周末夜间信号特性有很大变化。结果生成的指纹库在周末误差直接翻倍。
覆盖范围不足的常见表现：
- 轨迹在某个区域突然中断
- 定位精度在边界区域急剧下降
- 某些时间段数据完全缺失
3.3 精度：数据与真实的距离
精度是个好东西，但也是最容易被误解的概念。精度不是固定值，而是统计结果。
我记得有一个很经典的案例：某厂商宣称定位精度“优于1米”，但拿到数据一看——95%的点在1米以内，剩下5%跑到10米开外去了。你想想看，这能叫“1米精度”吗？
精度的几种度量方式：
- 均方根误差：最常用，对离群点敏感
- CEP50：圆概率误差50%，即50%的点落在该半径内——做消费级产品常用
- RMSE：均方根误差，学术论文和精密定位用得多
- 最大误差：最差情况，安全关键系统必须看
实际工作中我会这样使用精度指标：
# 假设真值已知，对比采集坐标与真值
真值坐标: (x0, y0)
测量坐标: (x1, y1)
误差: sqrt((x1-x0)² + (y1-y0)²)
# 100个点的误差分布
平均误差: 0.8m
RMSE: 1.2m
CEP50: 0.6m
最大误差: 3.5m3.4 噪声水平：数据的信噪比
噪声水平，说白了就是轨迹点抖不抖。你画一条直线，结果采集的点上下乱跳，这就是噪声。
噪声的来源很多：
- GNSS多路径效应（城市峡谷里尤其明显）
- IMU零偏和随机游走
- Wi-Fi信号波动
- 传感器采样抖动
衡量噪声的常用指标：
| 指标 | 英文 | 说明 |
|---|---|---|
| 标准差 | Standard Deviation | 静态场景下最直观，单位米 |
| RMS | Root Mean Square | 动态场景的噪声度量 |
| 功率谱密度 | PSD | 分析噪声频率分布，滤波器设计必看 |
实际项目里，我遇到过最头疼的情况是噪声在时间和空间上不均匀。某个区域噪声0.2米，换了个区域就跳到2米。这种时候单纯用全局滤波效果很差，得做自适应滤波。
# 简易噪声评估：连续10个静态点的坐标标准差
points = [(1.1, 2.0), (1.3, 2.1), (0.9, 1.9),
(1.2, 2.2), (1.0, 2.0), (1.1, 1.8),
(1.4, 2.0), (1.0, 2.1), (1.2, 1.9), (1.1, 2.0)]
import numpy as np
x_std = np.std([p[0] for p in points])
y_std = np.std([p[1] for p in points])
# 如果 x_std > 0.5 或 y_std > 0.5，说明噪声偏大
# 需要检查硬件或环境干扰核心总结：四个指标不是孤立的。采样率太低会导致精度下降（因为插值误差大），覆盖范围不够会让噪声统计失真，精度差往往意味着噪声水平也高。评估轨迹数据质量时，一定四个指标一起看。
嗯，这里要注意一点：这四个指标的评估方法会因为传感器类型不同而变化。GPS看HDOP和卫星颗数，IMU看Allan方差，Wi-Fi看RSSI波动。但不管传感器类型，底层的逻辑是一样的——数据密度够不够、范围全不全、准不准、干不干净。