出租车轨迹数据怎么洗?噪点如何去除?

wowwwai GIS研习社 · 工具流程与项目排障

“出租车轨迹数据怎么洗?噪点如何去除?”是很多 GIS 初学者、交通数据分析人员和 WebGIS 开发者都会遇到的问题。出租车 GPS 轨迹看起来只是经纬度和时间戳，但真实数据里经常混有漂移点、重复点、时间乱序、速度异常、跨城市跳点等问题。如果不先做轨迹数据清洗，后续的路径重建、OD 分析、热力图、道路匹配和出行特征统计都会被明显带偏。

引言：出租车轨迹数据清洗到底要解决什么问题

出租车轨迹数据清洗的核心目标，不是把轨迹“修得好看”，而是尽量保留真实行驶过程，去除明显不符合车辆运动规律和数据采集逻辑的记录。

一条常见的出租车 GPS 记录通常包含以下字段：

• 车辆 ID：用于区分不同出租车。
• 经度、纬度：车辆定位点坐标。
• 时间戳：GPS 上报时间。
• 速度、方向角：部分数据会提供，也可能缺失。
• 载客状态：空车、载客、停运等状态，常用于 OD 提取。

实际分析中，出租车轨迹噪点去除通常要处理四类问题：记录层面的错误、时间层面的错误、空间层面的错误、运动规律层面的异常。本文用 GIS 分析视角，给出一套可复用的清洗流程，适合在 Python、PostGIS、QGIS 或 ArcGIS Pro 前处理阶段使用。

背景：为什么出租车 GPS 轨迹会有噪点

出租车轨迹噪点并不一定是数据供应商“质量差”，更多时候来自 GPS 定位机制和车载终端上报机制。

1. 城市峡谷导致定位漂移

高楼密集区、隧道口、立交桥下方、地下停车场附近，经常会出现 GPS 信号反射或遮挡。结果是车辆明明在道路上行驶，定位点却漂到河里、楼里、隔壁道路甚至几百米之外。

2. 上报间隔不稳定

有的车辆每 10 秒上报一次，有的车辆可能 30 秒或 1 分钟才上报一次。网络延迟、设备休眠、信号丢失还会导致时间间隔忽长忽短。时间间隔不稳定会影响速度计算和轨迹插值。

3. 设备重复上传或补传

出租车终端可能会重复上传同一时刻的记录，也可能在网络恢复后集中补传历史记录。如果不按车辆 ID 和时间戳排序，就会看到轨迹线来回穿插。

4. 坐标系或经纬度字段错误

有些数据使用 WGS84，有些经过 GCJ-02 偏移，也有数据在导出时把经纬度字段写反。坐标系问题会造成整体偏移，经纬度反置则会让点直接落到错误区域。

判断出租车轨迹数据是否需要清洗，不要只看表格字段是否完整，一定要把点加载到地图上，并按车辆和时间连线检查。

原理：出租车轨迹噪点去除的判断逻辑

出租车轨迹数据清洗一般遵循“先简单规则，后复杂模型”的原则。不要一开始就做道路匹配或机器学习异常检测，否则很容易把基础数据错误掩盖掉。

1. 唯一性规则

同一辆车、同一时间戳、同一坐标的记录通常只需要保留一条。重复点会放大停留时间、影响轨迹点密度统计，也会干扰后续速度计算。

2. 时间连续性规则

同一辆车的轨迹必须按时间升序排列。如果时间倒序或乱序，计算出来的速度、距离、行驶方向都不可靠。

3. 空间范围规则

出租车轨迹点应位于研究区范围或合理缓冲区内。例如研究对象是北京市出租车，就可以用北京市行政边界外扩一定距离作为空间过滤范围。

4. 速度阈值规则

出租车在城市道路中的速度有合理上限。若相邻两个 GPS 点之间的距离除以时间间隔得到极高速度，通常说明其中至少一个点是漂移点。

5. 加速度和转向规则

如果车辆在极短时间内出现不合理加速、急停、反向跳变，也可能是轨迹噪点。但这类规则要谨慎使用，因为真实交通中确实存在急刹车、掉头、拥堵等情况。

步骤：出租车轨迹数据怎么洗

下面给出一套适合大多数出租车轨迹数据清洗的操作流程。无论你使用 Python、PostGIS、QGIS 还是 ArcGIS Pro，都可以按照这个顺序处理。

步骤 1：统一字段和数据类型

先把字段整理成稳定结构，至少包括车辆 ID、时间戳、经度、纬度。如果速度、方向角和载客状态可用，也建议保留。

字段	建议名称	说明
车辆编号	taxi_id	用于分组处理每辆车的轨迹
时间	timestamp	转换为标准日期时间类型
经度	lon	通常为 WGS84 或 GCJ-02 经度
纬度	lat	通常为 WGS84 或 GCJ-02 纬度
载客状态	status	可用于 OD 提取和行程切分

如果时间字段仍是字符串，必须先转换为日期时间类型。经纬度字段也要转换为数值型，避免出现空格、中文符号或异常字符。

步骤 2：删除空值和明显非法坐标

先删除 taxi_id、timestamp、lon、lat 中为空的记录。然后检查经纬度范围。

• 经度通常应在 -180 到 180 之间。
• 纬度通常应在 -90 到 90 之间。
• 中国城市出租车数据一般不会出现负经度。
• 如果 lon 小于 lat，且数据落点明显异常，要检查是否经纬度写反。

这一步属于基础轨迹数据清洗，能快速去掉一批明显无效点。

步骤 3：按车辆 ID 和时间排序

出租车轨迹噪点去除必须按单车轨迹进行，不能把所有车辆混在一起计算距离和速度。正确顺序是先按 taxi_id 分组，再按 timestamp 排序。

import pandas as pd

df = pd.read_csv("taxi_gps.csv")

df["timestamp"] = pd.to_datetime(df["timestamp"], errors="coerce")
df["lon"] = pd.to_numeric(df["lon"], errors="coerce")
df["lat"] = pd.to_numeric(df["lat"], errors="coerce")

df = df.dropna(subset=["taxi_id", "timestamp", "lon", "lat"])
df = df.sort_values(["taxi_id", "timestamp"])

如果这一步不做，后面的速度异常检测基本没有意义。

步骤 4：删除重复记录

重复记录可以按业务目标分两种情况处理。如果同一辆车、同一时间戳、同一坐标完全一致，一般直接删除。如果同一辆车、同一时间戳出现多个不同坐标，则需要进一步判断。

df = df.drop_duplicates(subset=["taxi_id", "timestamp", "lon", "lat"])

对于同一 taxi_id 和 timestamp 对应多个坐标的情况，建议先标记出来，不要立即随机保留一条。可以结合速度、空间范围和前后点连续性决定保留哪一个。

步骤 5：做研究区空间范围过滤

如果你的研究区是某个城市，建议准备行政边界面数据，外扩 1 到 5 公里作为容差范围，再用空间连接或点面包含关系过滤。这样可以去除落在海上、外省、远离城市区域的异常点。

在 QGIS 中可以这样做：

1. 加载出租车点数据和城市边界面数据。
2. 确认两者坐标系一致。
3. 对城市边界执行缓冲区工具，例如外扩 3000 米。
4. 使用“按位置提取”工具，保留落在缓冲区内的轨迹点。
5. 导出为新的 GeoPackage 或 CSV 文件。

在 PostGIS 中，可使用 ST_Within 或 ST_Intersects 配合城市边界过滤：

SELECT t.*
FROM taxi_points t
JOIN city_boundary b
ON ST_Intersects(t.geom, ST_Buffer(b.geom, 3000));

注意：如果 geom 使用经纬度坐标系，直接缓冲 3000 并不代表 3000 米。应先转换到适合本地的投影坐标系，或者使用 geography 类型处理距离。

步骤 6：计算相邻点距离、时间差和速度

速度异常检测是出租车轨迹噪点去除最常用的方法。基本思路是：对同一辆车的相邻两点计算距离和时间差，再得到平均速度。

import geopandas as gpd
from shapely.geometry import Point

gdf = gpd.GeoDataFrame(
    df,
    geometry=gpd.points_from_xy(df["lon"], df["lat"]),
    crs="EPSG:4326"
)

# 示例：如果研究区适合使用 Web Mercator，可临时投影到米单位坐标系
# 更严谨做法是选择本地投影坐标系
gdf_m = gdf.to_crs("EPSG:3857")

gdf_m["prev_geom"] = gdf_m.groupby("taxi_id")["geometry"].shift(1)
gdf_m["prev_time"] = gdf_m.groupby("taxi_id")["timestamp"].shift(1)

gdf_m["dt_sec"] = (gdf_m["timestamp"] - gdf_m["prev_time"]).dt.total_seconds()
gdf_m["dist_m"] = gdf_m.apply(
    lambda row: row["geometry"].distance(row["prev_geom"]) if row["prev_geom"] else None,
    axis=1
)

gdf_m["speed_kmh"] = gdf_m["dist_m"] / gdf_m["dt_sec"] * 3.6

计算速度时要特别注意投影坐标系。不要直接用经纬度坐标计算欧氏距离，否则距离单位是“度”，不是米。

步骤 7：根据速度阈值标记噪点

城市出租车轨迹中，如果相邻点推算速度远高于城市道路可能速度，通常可以标记为异常。阈值应结合城市道路条件、采样间隔和业务目的设定。

• 普通城市道路分析：可先检查大于 120 km/h 的点段。
• 包含高速路场景：阈值可适当放宽。
• 采样间隔很长的数据：速度阈值不能过于严格。
• 用于精细道路匹配：应更谨慎，避免删除真实快速路轨迹。

speed_threshold = 120

gdf_m["is_speed_noise"] = (
    (gdf_m["dt_sec"] > 0) &
    (gdf_m["speed_kmh"] > speed_threshold)
)

clean_gdf = gdf_m[~gdf_m["is_speed_noise"]].copy()

更稳妥的做法不是只删除当前点，而是同时检查前一个点和后一个点。如果某个点与前后点都形成异常跳变，而前后点之间相对连续，那么这个中间点很可能是漂移点。

步骤 8：处理时间间隔异常

如果相邻点时间差为 0 或负数，说明有重复时间或时间乱序，应删除或单独检查。如果时间差过大，例如超过 30 分钟，通常不应把两个点直接连成一条连续轨迹。

可以用时间间隔进行行程切分：

max_gap_sec = 30 * 60

gdf_m["new_segment"] = (
    (gdf_m["dt_sec"].isna()) |
    (gdf_m["dt_sec"] <= 0) |
    (gdf_m["dt_sec"] > max_gap_sec)
)

gdf_m["segment_id"] = gdf_m.groupby("taxi_id")["new_segment"].cumsum()

这样处理后，轨迹线生成、道路匹配和停留点识别会更合理。

步骤 9：结合道路数据做进一步检查

如果你有道路中心线数据，可以检查出租车点到最近道路的距离。距离道路过远的点可能是 GPS 漂移点，但不能简单一刀切删除。

• 高架桥、辅路、隧道附近容易出现道路数据不完整问题。
• 新建道路可能不在旧版路网中。
• 停车场、加油站、出租车场站不一定在道路中心线上。
• 坐标系不一致会导致所有点到道路距离都异常。

道路距离过滤更适合作为“疑似噪点标记”，而不是唯一删除条件。

步骤 10：导出清洗结果并保留质量字段

完成出租车轨迹数据清洗后，不建议只导出一个“干净数据”。更好的做法是保留质量控制字段，方便追溯。

• is_duplicate：是否重复记录。
• is_outside_area：是否超出研究区。
• speed_kmh：相邻点推算速度。
• is_speed_noise：是否速度异常。
• segment_id：轨迹分段编号。
• clean_status：保留、删除、待人工检查。

这些字段对后续复核、论文方法说明、项目交付都很有用。

常见坑：出租车轨迹噪点去除时最容易犯的错误

1. 直接用经纬度计算距离

经纬度坐标的单位是度，不是米。出租车轨迹数据清洗中如果要计算距离、速度、缓冲区，应转换到合适的投影坐标系，或使用支持椭球距离计算的方法。

2. 把所有超速点直接删除

速度异常只能说明相邻点段异常，不一定说明当前点一定是噪点。特别是一个点前后都异常时，需要判断是当前点漂移，还是前一个点或后一个点异常。

3. 忽略采样间隔

10 秒采样和 5 分钟采样的轨迹，清洗策略不能完全一样。采样间隔越长，轨迹越稀疏，短距离绕行、快速路通行、隧道补点都会使速度判断变得不稳定。

4. 没有区分停留点和重复点

同一辆车在同一地点停留很久，不等于重复点。真正的重复点通常是同一时间戳、同一坐标重复出现。停留点在出租车候客、等红灯、拥堵分析中可能很有价值。

5. 先做道路匹配再清洗

道路匹配可以修正轨迹，但不能替代基础清洗。大量漂移点、乱序点和重复点会让道路匹配结果出现跳路、绕路、错误吸附等问题。

6. 坐标系混用

如果出租车点是 GCJ-02，而道路数据是 WGS84 或投影坐标，二者会产生系统偏移。做道路距离检查或道路匹配前，必须确认坐标体系一致。

方法比较：不同出租车轨迹数据清洗方法怎么选

方法	适用场景	优点	局限
字段规则清洗	空值、非法经纬度、重复记录	简单、稳定、适合第一步处理	不能识别复杂漂移点
空间范围过滤	研究区外异常点	直观，适合城市级数据	边界外真实运营点可能被误删
速度阈值过滤	跳点、漂移点、定位异常	通用性强，易解释	阈值需要结合采样间隔和道路条件
加速度与方向变化检测	精细轨迹质量控制	能识别不连续运动	对低频数据不稳定
道路距离过滤	有可靠路网数据的城市交通分析	接近真实道路约束	依赖路网质量和坐标一致性
地图匹配	路径还原、路段流量分析	可得到道路级轨迹	不适合作为原始数据第一步清洗

实际项目中，推荐组合使用：字段规则清洗、时间排序、空间范围过滤、速度异常检测、轨迹分段、道路距离复核。这样既能覆盖大部分出租车轨迹噪点，又不会过度删除有效数据。

检查清单：清洗后如何验证出租车轨迹数据是否可靠

完成出租车轨迹数据清洗后，建议按下面清单复查，不要只看删除了多少记录。

• 是否每辆车的轨迹都按时间升序排列？
• 是否删除了 taxi_id、timestamp、lon、lat 为空的记录？
• 经纬度是否落在合理范围内？
• 是否检查过经纬度字段是否写反？
• 是否统一了坐标系和坐标偏移类型？
• 是否按车辆 ID 分组计算速度，而不是全表直接计算？
• 速度计算是否使用米单位距离？
• 是否保留了异常标记字段，方便后续追溯？
• 是否抽样在 QGIS 或 ArcGIS Pro 中连线查看轨迹形态？
• 是否对删除前后点数、车辆数、时间范围做了统计对比？

如果清洗后车辆数大幅减少、某些时间段完全消失、轨迹集中断裂，说明规则可能过严，需要回看阈值设置。

FAQ：出租车轨迹数据清洗常见问题

出租车轨迹数据清洗一定要做道路匹配吗？

不一定。道路匹配适合需要还原行驶路段、统计道路流量或计算路径的场景。如果只是做点密度、热力图、OD 分析，基础轨迹数据清洗和合理的轨迹分段通常已经足够。

出租车轨迹噪点去除的速度阈值应该设多少？

没有固定答案。城市道路分析可以先从 100 到 120 km/h 作为检查阈值，高速路较多的城市可适当提高。更好的方式是先统计速度分布，查看极端值，再结合城市道路条件设置阈值。

时间间隔很大的两个点要不要删除？

通常不需要直接删除，但不应把它们当作连续轨迹连接。建议用时间间隔生成新的 segment_id，把长时间中断前后的轨迹分成不同片段。

停在原地的点算噪点吗？

不一定。出租车可能在等客、等红灯、拥堵或停车场停留。只有同一时间戳、同一坐标重复出现，或者数据明显由设备重复上传造成，才应作为重复记录处理。

QGIS 可以完成出租车轨迹数据清洗吗？

可以完成一部分，例如加载点数据、检查空间分布、删除非法点、按位置提取、生成轨迹线、可视化抽查。但如果数据量很大，建议使用 Python、PostGIS 或数据库流程批量处理。

为什么清洗后轨迹还是会穿过建筑物或河流？

基础清洗只能去除明显异常点，不能保证轨迹线完全沿道路行驶。GPS 点之间的连线是直线连接，不等于真实行驶路线。如果需要道路级路径，需要进一步做地图匹配。

出租车轨迹数据清洗后应该保存成什么格式？

小规模数据可以保存为 GeoPackage、GeoJSON 或 CSV。大规模城市出租车轨迹建议存入 PostGIS，便于建立空间索引、按时间和车辆查询，并支持后续空间分析。

结论：先保证轨迹可信，再做空间分析

出租车轨迹数据怎么洗，关键在于按顺序处理：统一字段、删除空值和非法坐标、按车辆和时间排序、去重、空间范围过滤、计算速度、标记异常点、分段保存。出租车轨迹噪点去除不能只依赖一个阈值，而应结合时间、空间、速度、道路约束和业务场景综合判断。

对 GIS 读者来说，最重要的习惯是：每一步清洗都保留标记字段，每一类规则都抽样上图检查。只有确认轨迹数据本身可靠，后续的 OD 分析、出行热力图、路径重建和交通运行评价才有可信基础。