我有一系列带时间戳的间歇性间隔GPS坐标。我正在使用PostGIS将它们渲染到地图画布上。要渲染它们,需要使用PostGIS中的ST_MakeLine()聚合函数将点聚合为线,从而在地图上留下GPS数据缺失的空白。数据不一定按顺序从设备到达。
一个示例序列如下:
ID | Timestamp | Location
--------------------------------------
1 | 2013-11-12 03:31:31 | (1,2)
3 | 2013-11-12 03:31:34 | (1,3)
7 | 2013-11-12 03:31:37 | (1,4)
4 | 2013-11-12 03:31:43 | (1,5)
2 | 2013-11-12 03:31:55 | (1,6)
16 | 2013-11-12 03:33:22 | (1,7)
22 | 2013-11-12 03:33:28 | (1,8)
18 | 2013-11-12 03:33:32 | (1,9)
分组的条件是:
- 如果与前一记录的差距大于30秒或
- 如果自该组中的第一个记录以来的时间<15秒。在这种情况下,该点属于两组(即,一组以该点结束,下一组开始)
PostGIS中的ST_MakeLine()函数将生成必要的行,问题是正确地对行进行分组。
基于此,以上将产生:
Start | End | ST_MakeLine(?)
----------------------------------------------------------------------------
2013-11-12 03:31:31 | 2013-11-12 03:31:43 | LINE((1,2),(1,3),(1,4),(1,5))
2013-11-12 03:31:43 | 2013-11-12 03:31:55 | LINE((1,5),(1,6))
2013-11-12 03:33:22 | 2013-11-12 03:33:32 | LINE((1,7),(1,8),(1,9))
这似乎是大多数其他"连续选择"问题所引用的"岛屿和缺口"问题的变体,但由于排序不规则,因此这些解决方案似乎不适用。
我目前正在SQL之外处理数据以生成序列,但这会导致多次往返,如果可以的话,我希望避免。
示例数据的SQLFiddle:http://sqlfiddle.com/#!15/1ff93/7
我最终采用了由两部分组成的方法来解决这个问题:
- 一个存储过程,将"组id"附加到每一行
- 一个简单的聚合查询
性能明显优于在数据库外部执行(45s vs 2.8s)
因此,给定一个由以下内容创建的表:
CREATE TABLE locations (
id SERIAL PRIMARY KEY,
ts TIMESTAMP WITHOUT TIME ZONE,
location GEOMETRY(Point,4326)
);
下面的函数将遍历该表,并在每行附加一个"组id":
CREATE FUNCTION group_locations(
IN scan_start_time TIMESTAMP WITHOUT TIME ZONE,
IN max_time_gap INTERVAL,
IN max_line_duration INTERVAL)
RETURNS TABLE(
out_geom GEOMETRY,
out_ts TIMESTAMP WITHOUT TIME ZONE,
out_group_id INTEGER) AS
$BODY$
DECLARE
r locations%ROWTYPE;
gid INTEGER;
lastts TIMESTAMP;
startts TIMESTAMP;
BEGIN
gid := 0;
lastts := NULL;
startts := NULL;
FOR r IN
SELECT * FROM locations
WHERE ts > scan_start_time
ORDER BY ts ASC
LOOP
out_ts := r.ts;
out_geom := r.location;
out_group_id := gid;
IF startts IS NULL OR lastts IS NULL THEN
startts := r.ts;
ELSIF r.ts - lastts >= max_time_gap THEN
-- If we've hit a space in our data, bump the group id up
-- and remember the start time for this group
gid := gid+1;
out_group_id = gid;
startts := r.ts;
ELSIF r.ts - startts >= max_line_duration THEN
-- First, emit the current row to end the group
RETURN NEXT;
-- Then, bump the group id and start time, we will
-- re-emit the same row with a higher group_id below
gid := gid+1;
out_group_id := gid;
startts := r.ts;
END IF;
-- Emit the current row with the group_id appended
RETURN NEXT;
lastts := r.ts;
END LOOP;
RETURN;
END;
$BODY$
LANGUAGE plpgsql VOLATILE;
如果运行我的示例数据,结果是:
out_ts | out_geom | out_group_id
---------------------------------------------
2013-11-12 03:31:31 | (1,2) | 0
2013-11-12 03:31:34 | (1,3) | 0
2013-11-12 03:31:37 | (1,4) | 0
2013-11-12 03:31:43 | (1,5) | 0
2013-11-12 03:31:43 | (1,5) | 1
2013-11-12 03:31:55 | (1,6) | 1
2013-11-12 03:33:22 | (1,7) | 2
2013-11-12 03:33:28 | (1,8) | 2
2013-11-12 03:33:32 | (1,9) | 2
然后,这个过程的输出可以简单地分组和聚合:
SELECT ST_Makeline(out_geom) AS geom,MIN(out_ts) AS start,MAX(out_ts) AS finish
FROM group_locations(
NOW() AT TIME ZONE 'UTC' - '10 days'::INTERVAL, -- how far back to look
'30 seconds'::INTERVAL, -- maximum gap allowed before creating a break
'15 seconds'::INTERVAL -- maximum duration allowed before forcing a break
)
GROUP BY out_group_id;
该函数执行速度相当快,至少比在外部执行相同的逻辑好一个数量级。缺点是结果没有索引,因此在进一步的查询中直接使用它们并不是特别有性能。它在大约O(2N)时间内运行,第一次扫描附加组ID,然后第二次扫描聚合。
我的最终解决方案每隔几分钟执行一次以上操作,以刷新一个完全索引的"calculated_tracks"表。