Теперь можно и за 300 сообщений в другом чате браться, на английском

о, коллега!

у меня получилось. скипнул 900 сообщений в одном из чатов

В мобильной версии телеграмма эта кнопочка там, где в OsmAnd кнопочка "+" расположена 🤓

Бэк на python: обработка координат,
агрегация, отчеты. Данные собираем со встроенного в мобильное приложение сервис (самописный). Метод сбора данных зависит от отправленной настройки: сейчас работаем с чистым gps и google fused. Мобилка пока под андроид. Ключевые моменты: мониторим людей, которые могут ходить пешком, а могут ездить на авто. Проблемы: "звезды", детекция состояния объекта (стоит, едет, идет), детекция посещения геозон (не вход-выход, а нахождение в геозоне n количество времени), корректность подсчета пробега в случае поездок. Сделали 3 итерации, улучшения проблем есть. Нужны консультации опытных в этих вопросах коллег для ускорения процесса.

Цифры реальные. :) бывает и больше, особенно в госконторах. Чем больше бардака, тем больше эффект.

OSM используем как базовую карту.  В основном отображение данных (треки, задачи) + геокодинг. Сама система закрытая. Это сугубо коммерческий проект. Трекинг перемещения важная составляющая.

Я бы взял для каждого типа перемещения отдельный фильтр калмана со специфическими моделями для пешехода, авто, вело, авиа и поезда, к примеру. Фильтровал бы поток сразу всеми фильтрами, а выход брал только с того, который покажет бо́льшую точность. Если добавить в критерии зоны перемещения из OSM (дорога, тротуар, жд-пути), то определение станет ещё точнее, а веса критериев можно подобрать даже задним числом перефильтровав треки. Можно смотреть на тайминги сессий перемещения и тоже подобирать веса и таймауты для большей согласованности.
Можно попробовать обучить нейронку на детект, но это из пушки по воробьям, ИМХО

Сергей, спасибо за Ваш ответ. В текущем спринте мы как раз делаем фильтры калмана. Нейронка, думали, но как по мне это затратно на текущем этапе. Нейронку, кстати, думали поставить и на вход (мобилка), чтобы отсекать лишние данные без передачи на сервер. А Вы уже реализовывали подобные схемы в других проектах?  К чему вопрос. Для экономии времени и ресурсов мне интересно получить готовые решения. Моя команда проводит ресерч и рано или поздно добьётся нужного результата, но опять таки на это нужно время.

Нет, готового у меня нет. Только собираюсь во все это окунаться. Так что ищите кого-то поопытнее

Ок. Спасибо. Держим контакт. Еще геозадач у нас в проекте куча ;)

Похожую задачу решают (и похоже успешно) в фитнес-трекерах амазфит бип. Поначалу приложение мифит показывает всякую чушь, но стоит несколько раз указать вид деятельности, как заскоки в показаниях устаканиваются

Я тоже не специалист в фильтации и прочел лишь пару статей про калмана. Вынес из них главный вывод: одних только треков недостаточно, а вот если прибавить каденс/тахометр/шагомер как тут же происходит волшебство)

Используем данные со смартфона. В том числе данные гироскопа. + у гугл есть детекция состояния stay move. Но тут все сильно зависит от девайса. У нас нет таргет девайса как у амазон, у нас увы зоопарк :)))

Амазфит это не амазон))

Xiaomi Huami Amazfit Bip - лучшие умные часы без... / iXBT Live
www.ixbt.comwww.ixbt.com
Amazfit Bip — лучшие smart часы для ежедневного использования и занятий спортом, которые превосходят даже более дорогостоящие модели по ряду возможностей.

Да-да. Описка :)

То что вы ищете называется geofencing, общий подход: фильтровать выбросы через модель движения, скажем автомобиль не может мгновенно перепрыгнуть на 100 метров по траверсу. Затем калман по вкусу. Но нужно понимать что только по gps невозможно достичь точности выше чем точность gps в реальных условиях. Скажем, геофенс меньше 100 метров в условиях городской застройки все равно нормально работать не будет, как его ни фильтруй. Хорошие результаты даёт  использование wifi сетей. Я бы на вашем месте задумался о том, чтобы перейти от чистого анализа трека к треку плюс пруффото, как это делают ваши конкуренты)