在R中识别船舶时序轨迹断点并分配唯一分割因子

针对你处理船舶时序轨迹数据的需求，我推荐用dplyr的分组操作来高效实现轨迹识别、孤立点标记和拆分因子生成，比循环更简洁且适合大数据场景。下面结合你的示例数据一步步实现：

步骤1：加载工具包与准备数据 #

首先加载dplyr（处理分组数据的利器），并初始化你的示例数据：

library(dplyr)

# 示例数据
vessel <- c(rep("A", 11))
time <- as.POSIXct(c(
  "2017-01-01 00:02:25 GMT", "2017-01-01 01:31:26 GMT", "2017-01-01 02:37:42 GMT",
  "2017-01-01 03:14:34 GMT", "2017-01-01 04:09:45 GMT", "2017-02-01 05:51:53 GMT",
  "2017-03-01 06:22:24 GMT", "2017-03-01 07:34:44 GMT", "2017-03-01 08:01:15 GMT",
  "2017-03-01 09:16:44 GMT", "2017-03-01 10:48:12 GMT"
))
df <- data.frame(vessel, time)

步骤2：轨迹识别与拆分因子生成 #

核心逻辑是按船舶分组→计算时间间隙→标记新轨迹起点→生成轨迹ID→判断孤立点→生成拆分因子：

# 设置间隙阈值（单位：小时）
gap_threshold <- 10

df_processed <- df %>%
  # 按船舶分组，确保每艘船的轨迹独立处理
  group_by(vessel) %>%
  # 计算当前行与前一行的时间间隔（小时），第一行无前置行设为NA
  mutate(gap_hours = as.numeric(difftime(time, lag(time), units = "hours"))) %>%
  # 标记新轨迹的起点：第一行 或 间隙超过阈值
  mutate(is_new_track = is.na(gap_hours) | gap_hours > gap_threshold) %>%
  # 生成轨迹ID：累计新轨迹的触发次数，连续轨迹会共享同一ID
  mutate(track_id = cumsum(is_new_track)) %>%
  # 按船舶+轨迹ID分组，统计每个轨迹的点数
  group_by(vessel, track_id) %>%
  mutate(track_length = n()) %>%
  # 生成最终拆分因子：孤立点（点数=1）标记为delete，其他标记为split_+轨迹ID
  mutate(split_factor = ifelse(track_length == 1, "delete", paste0("split_", track_id))) %>%
  # 取消分组，回到普通数据框格式
  ungroup()

步骤3：验证结果与拆分轨迹 #

查看处理后的数据，完全符合你的需求：

print(df_processed)

输出中第1-5行split_factor为split_1，第6行是delete，第7-11行是split_2。

如果要拆分出有效轨迹（排除孤立点），可以用split()函数：

# 拆分出所有非孤立的轨迹
track_list <- split(
  df_processed[df_processed$split_factor != "delete", ],
  df_processed$split_factor[df_processed$split_factor != "delete"]
)

针对空间数据框的适配 #

如果你的数据是空间数据框（比如sf对象），处理逻辑完全一致：只需确保time列是POSIXct类型，完成上述处理后再重新转换为空间数据框即可，不会丢失空间属性。

为什么不用循环？ #

对于数百艘船的大数据量，dplyr的分组向量化操作比循环效率高得多，代码可读性也更强，避免了循环中容易出现的索引错误。

内容的提问来源于stack exchange，提问作者user2175481