R;滚动窗口：计算3个previos点的方位角并将其与数据框中以下3个值的方位角进行比较

如何解决R;滚动窗口：计算3个previos点的方位角并将其与数据框中以下3个值的方位角进行比较

我要解决的总体任务：使用平移函数，我想计算前3个点（滞后）的平均方位 geosphere::bearing(p1,p2,a=6378137,f=1/298.257223563)，并将其与以下3个点（前导）的方位进行比较。

那是

1. 计算所有3点（滞后）之间的方位

mean(bearing(point1,point2),bearing(point1,point3),bearing(point2,point3))

和接下来的3点之间（领先）。

mean(bearing(point4,point5),bearing(point4,point6)bearing(point5,point6))

1. 计算这些轴承的平均值
2. 如果前3个（滞后）点的平均方位角与后3个（领先）点的方位角（基本abs（dif））不同，则丢弃（领先）3个点。

这样做的最佳方法是什么？ 它不必一定是移位功能，但我认为它可能很合适。 我只是不想写循环。 这是一个示例路径：

path<-structure(list(counter = 1:24,lon = c(11.83000844,11.82986091,11.82975536,11.82968137,11.82966589,11.83364579,11.83346388,11.83479848,11.83630055,11.84026754,11.84215965,11.84530872,11.85369492,11.85449806,11.85479096,11.85888555,11.85908087,11.86262424,11.86715538,11.86814045,11.86844252,11.87138302,11.87579809,11.87736704),lat = c(48.10980039,48.10954023,48.10927434,48.10891122,48.10873965,48.09824039,48.09526792,48.0940306,48.09328273,48.09161348,48.09097173,48.08975325,48.08619985,48.08594538,48.08576984,48.08370241,48.08237208,48.08128785,48.08204915,48.08193609,48.08186387,48.08102563,48.07902278,48.07827614)),row.names = c(NA,-24L),class = c("data.table","data.frame"))

谢谢。

解决方法

我不认为这对其他问题（R: Detect a "main" Path and remove or filter the GPS trace maybe using a kernel?）会有所帮助，但这是找到以下两点平均值的一种方法。

首先，您expand_grid得到所有对，然后向下过滤到感兴趣的对。然后创建一个新的数据框，该数据框将进一步过滤，以便对于每个计数器，您具有三个方位。点可以取平均值。

首先：我想让每个纬度/经度对与其他纬度/经度对匹配。为此，我使用expand_grid，并希望自己扩展数据。从表面上看这是失败的，因为您需要为expand_grid的每个参数指定唯一的名称。因此，我setNames在通话之前。

然后：我们只想要这些点对的子集。特别是，我们希望counter_2小于counter + 2的任何情况（例如，您希望counter = 1和counter_2 %in% c(2,3)，counter = 2和counter_2 %in% c(3,4) ...）

然后，您需要遍历数据集rowwise，并为每一行计算bearing。我们将此数据帧称为data_tmp。

然后，我们进行映射和过滤以获取counter的每个值所需的行。

library(tidyverse)

data_tmp <- path %>% 
  as_tibble() %>% 
  (function(X)expand_grid(X,X %>% setNames(c("counter_2","lon_2","lat_2")))) %>% 
  filter(counter_2 <= counter + 2 & counter_2 > counter) %>%
  rowwise() %>%
  mutate(bearing = geosphere::bearing(c(lon,lat),c(lon_2,lat_2))) %>%
  ungroup()

three_grouped <- tibble(counter = 1:max(path$counter)) %>%
  mutate(dataz = map(.x = counter,~ data_tmp %>% 
                      slice(which(data_tmp$counter_2 %in% 
                                    data_tmp$counter_2[data_tmp$counter == .x] &
                                    data_tmp$counter <= .x + 1 &
                                    data_tmp$counter >= .x)))) 

three_grouped %>%
  mutate(average_bearing = map_dbl(dataz,~ mean(.x$bearing)))