गति पाने के लिए आपके पास समय होना चाहिए । इस प्रकार आप समय बढ़ाते हुए कॉलम {Time, X, Y} जैसे फ़ैशन के साथ स्प्रेडशीट में अपने अंक ऑर्डर कर सकते हैं।
यहाँ एक उदाहरण है जहाँ GPS यूनिट ने लगभग एक वामावर्त सर्किट पूरा किया है:
ये अंक समय के बराबर अंतराल पर प्राप्त नहीं किए गए थे। इसलिए गति का अनुमान लगाना अकेले मानचित्र से असंभव है। (इस यात्रा की कल्पना करने में आपकी मदद करने के लिए, हालांकि, मैंने लगभग समान अंतराल पर जीपीएस मूल्यों को इकट्ठा करना सुनिश्चित किया , ताकि आप देख सकें कि यात्रा दो मध्यवर्ती बिंदुओं और अंत में तेजी से शुरू हुई और धीमी हो गई।)
क्योंकि आप गति में रुचि रखते हैं, क्रमिक पंक्तियों और समय के अंतर के बीच की दूरी की गणना करें। समय के अंतर से विभाजित दूरी तात्कालिक गति का अनुमान देती है। यही सब है इसके लिए। आइए समय के अनुसार उन अनुमानों की एक साजिश देखें:
लाल बिंदु गति की साजिश करते हैं जबकि ग्रे वक्र एक चिकनी, पूरी तरह से आंख का मार्गदर्शन करने के लिए है। अधिकतम गति का समय, और अधिकतम गति ही, यदि आप एक स्प्रेडशीट या साधारण डेटा सारांश फ़ंक्शन का उपयोग कर रहे हैं तो जीआईएस में प्लॉट और आसानी से प्राप्त डेटा से स्पष्ट हैं। हालांकि, इन गति अनुमानों पर संदेह है क्योंकि जीपीएस अंक स्पष्ट रूप से उनमें कुछ माप त्रुटि है।
माप त्रुटि से निपटने का एक तरीका कई समय अवधि के बीच की दूरी को जमा करना है और समय का अनुमान लगाने के लिए उपयोग करना है। उदाहरण के लिए, यदि {समय अंतर, दूरी} पहले गणना की गई डेटा हैं
d(Time) Distance
0.90 0.17
0.90 0.53
1.00 0.45
1.10 0.29
0.80 0.11
तब बीता हुआ समय और दो समय अवधि में कुल दूरी क्रमिक पंक्तियों के प्रत्येक जोड़े को जोड़कर प्राप्त की जाती है:
d(Time) Distance
1.80 0.70
1.90 0.98
2.10 0.74
1.90 0.40
संचित समय और दूरियों के लिए गति का पुनःप्रयोग करें।
किसी भी समय अवधि के लिए इस गणना को अंजाम दिया जा सकता है, लंबे समय तक गति अनुमानों की औसत लागत पर कभी चिकनी और अधिक विश्वसनीय भूखंडों को प्राप्त करना। क्रमशः 3 और 5 समय अवधि के लिए एक ही डेटा के भूखंडों की गणना की जाती है:
ध्यान दें कि चौरसाई की मात्रा के साथ अधिकतम गति कैसे घट जाती है। ऐसा हमेशा होता रहेगा। कोई अद्वितीय सही उत्तर नहीं है: माप में परिवर्तनशीलता पर आप कितना चिकना हैं यह निर्भर करता है और आप किस समय अवधि पर गति का अनुमान लगाना चाहते हैं। इस उदाहरण में आप अधिकतम गति 2.5 (क्रमिक जीपीएस बिंदुओं के आधार पर) के रूप में उच्च रिपोर्ट कर सकते हैं, लेकिन यह जीपीएस स्थानों में त्रुटियों के कारण कुछ अविश्वसनीय होगा। आप पांच-अवधि की चिकनी के आधार पर अधिकतम गति 2.1 के रूप में कम रिपोर्ट कर सकते हैं।
यह एक सरल विधि है लेकिन जरूरी नहीं कि सबसे अच्छी हो। यदि हम पथ के साथ एक घटक में जीपीएस लोकल त्रुटि का विरोध करते हैं और पथ के लिए एक और घटक लंबवत है, तो हम देखते हैं कि पथ के साथ घटक कुल दूरी के अनुमानों को प्रभावित नहीं करते हैं (बशर्ते पथ पर्याप्त रूप से अच्छी तरह से नमूना लिया गया हो: जो, आप) "कोनों में कटौती नहीं")। पथ के लिए लंबवत घटक बढ़ जाते हैंस्पष्ट दूरी। यह संभावित रूप से अनुमान को ऊपर की ओर बायस्ड करता है। हालाँकि, जब GPS रीडिंग के बीच की विशिष्ट दूरी, विशिष्ट दूरी की त्रुटि की तुलना में बड़ी होती है, तो पूर्वाग्रह छोटा होता है और संभवतः उस पथ के छोटे विगल्स के लिए क्षतिपूर्ति की जाती है, जो GPS अनुक्रम द्वारा कैप्चर नहीं किए जाते हैं (अर्थात, कुछ कोने काटना है) हमेशा किया)। इसलिए यह संभव नहीं है कि इन निहित पूर्वाग्रहों के साथ सामना करने के लिए एक अधिक परिष्कृत अनुमानक विकसित किया जाए, जब तक कि जीपीएस नमूना आवृत्ति उस आवृत्ति की तुलना में बहुत कम न हो जिसके साथ पथ "विगल्स" या जीपीएस माप त्रुटि बड़ी है।
रिकॉर्ड के लिए, हम सही, सही परिणाम दिखा सकते हैं , क्योंकि ये नकली डेटा हैं:
पिछले भूखंडों की तुलना करने से पता चलता है कि इस विशेष मामले में कच्ची गति की अधिकतम वास्तविक सीमा से अधिक थी, जबकि अधिकतम पांच अवधि की गति बहुत कम थी।
सामान्य तौर पर, जब जीपीएस बिंदुओं को उच्च आवृत्ति के साथ एकत्र किया जाता है, तो अधिकतम कच्ची गति बहुत अधिक होने की संभावना होगी: यह वास्तविक अधिकतम को ओवरस्टाइट करता है। किसी भी व्यावहारिक उदाहरण में इससे अधिक कहने के लिए जीपीएस संग्रह की आवृत्ति, और अंतर्निहित पथ की यातना की प्रकृति और जीपीएस त्रुटियों के पूर्ण सांख्यिकीय विश्लेषण की आवश्यकता होगी।
