如何去除GPS骑行轨迹中的海拔异常值？

一、基于运动状态+地形的规则过滤 #

桥梁/隧道处的异常值通常有两个核心特征：一是短距离内海拔突变（比如桥梁段突然升高几十米又快速回落，隧道段则是突然降低再回升）；二是这段轨迹的速度稳定（骑行通过桥梁/隧道时不会出现大幅变速）。

可以通过设定阈值实现过滤：

• 计算相邻点的海拔差Δh，若|Δh|超过设定阈值（比如10米，可根据当地地形灵活调整）
• 同时检查这段区间的速度波动（比如滑动窗口内速度标准差小于±2km/h）
• 满足条件则标记为异常段，用前后正常海拔的线性插值替换

代码示例（Python）：

import pandas as pd
import numpy as np

# 读取轨迹数据
df = pd.read_csv("track_data.csv")
# 计算相邻海拔差绝对值
df["delta_h"] = df["altitude"].diff().abs()
# 计算骑行速度（假设distance单位为米，采样间隔1秒，转成km/h）
df["speed"] = df["distance"].diff() * 3.6
# 标记异常段：海拔突变+速度稳定
threshold_h = 10
threshold_speed_std = 2
df["is_outlier"] = (df["delta_h"] > threshold_h) & (df["speed"].rolling(window=5).std() < threshold_speed_std)

# 用线性插值替换异常值
df["altitude_clean"] = df["altitude"].mask(df["is_outlier"], np.nan)
df["altitude_clean"] = df["altitude_clean"].interpolate(method="linear")

二、滑动窗口自适应滤波 #

普通均值/中位数滤波容易模糊正常地形起伏，改用自适应滑动窗口滤波更适配骑行轨迹：

• 窗口大小根据局部海拔波动动态调整：地形平缓时用大窗口（增强平滑效果），地形起伏大时用小窗口（保留真实地形）
• 对窗口内数据用中位数过滤，剔除偏离中位数超过2倍标准差的点

代码示例：

def adaptive_median_filter(series, base_window=5, max_window=15):
    cleaned_data = []
    for idx in range(len(series)):
        # 根据局部海拔波动调整窗口大小
        window_size = base_window
        if idx > base_window and idx < len(series)-base_window:
            local_std = series[idx-base_window:idx+base_window].std()
            if local_std < 2:  # 地形平缓，放大窗口
                window_size = min(max_window, base_window*2)
        # 确定窗口边界
        start = max(0, idx - window_size//2)
        end = min(len(series), idx + window_size//2 +1)
        window_data = series[start:end]
        median_val = np.median(window_data)
        std_val = window_data.std()
        # 替换异常值
        if abs(series[idx] - median_val) > 2*std_val:
            cleaned_data.append(median_val)
        else:
            cleaned_data.append(series[idx])
    return pd.Series(cleaned_data)

df["altitude_clean"] = adaptive_median_filter(df["altitude"])

三、结合DEM数据的分段修正 #

既然已经用DEM做了海拔增强，可进一步针对桥梁/隧道优化：

• 通过轨迹匹配地图数据（或手动标记）定位桥梁/隧道的地理边界
• 桥梁段：用DEM提供的桥面海拔（而非地面海拔）替换异常值；隧道段：用入口/出口的海拔做线性插值填充
• 若没有精确边界，可通过海拔突变段定位异常区间，直接用DEM的平滑地形数据覆盖

四、轨迹剖面拟合修正 #

将整个海拔剖面视为连续曲线，用三次样条拟合剔除异常值：

• 先标记明显偏离DEM数据的点（比如偏差超过15米）
• 用剩余正常点做三次样条拟合，生成平滑的海拔曲线
• 用拟合曲线的值替换原始异常点

代码示例：

from scipy.interpolate import CubicSpline

# 假设dem_alt是DEM处理后的海拔数据
df["dem_delta"] = abs(df["altitude"] - df["dem_alt"])
df["is_outlier"] = df["dem_delta"] > 15

# 提取正常点的索引和海拔
valid_idx = df[~df["is_outlier"]].index
valid_alt = df[~df["is_outlier"]]["altitude"]

# 三次样条拟合生成平滑曲线
cs = CubicSpline(valid_idx, valid_alt)
df["altitude_clean"] = cs(df.index)

内容的提问来源于stack exchange，提问作者DJJazz