공간통계를 위한 데이터 과학
GPS 데이터 이동경로 시각화
1. GPS 이동경로 시각화 1
GSP 데이터(GPX 포맷)를 R XML 팩키지를 통해 불러 들이고 나서 이를 시각화한다.
2. 데이터 가져오기
http://www.wolferonline.de/uploads/run.gpx 웹사이트에 독일 슈트트가르트 GPS 데이터가 있어 이를 download.file() 함수를 사용해서 “data/run.gpx” 디렉토리에 파일로 저장한다.
XML 팩키지 htmlTreeParse 함수를 사용하여 파싱한 후에 해발고도(elevations), 시간(times), 좌표(coords) 정보를 추출한다. 그리고 나서 분석가능한 형태인 데이터프레임으로 변환시킨다.
# 0. 환경설정 -----------------------------
# library(XML)
# library(OpenStreetMap)
# library(tidyverse)
# library(lubridate)
# library(raster)
# library(ggmap)
# library(hrbrthemes)
# library(extrafont)
# loadfonts()
# 1. 데이터 가져오기 ----------------------
download.file("http://www.wolferonline.de/uploads/run.gpx", "data/run.gpx")
pfile <- htmlTreeParse("data/run.gpx", error = function (...) {}, useInternalNodes = TRUE)
# 2. 데이터 전처리 -------------------------
# elevation, times, coordinate 추출
elevations <- as.numeric(xpathSApply(pfile, path = "//trkpt/ele", xmlValue))
times <- xpathSApply(pfile, path = "//trkpt/time", xmlValue)
coords <- xpathSApply(pfile, path = "//trkpt", xmlAttrs)
# 좌표(coordinate)에서 위경도 추출
lats <- as.numeric(coords["lat",])
lons <- as.numeric(coords["lon",])
# 데이터프레임 변환
geo_df <- data.frame(lat = lats, lon = lons, ele = elevations, time = times)
rm(list=c("elevations", "lats", "lons", "pfile", "times", "coords"))
geo_df %>%
DT::datatable()3. 거리 및 시간 계산을 위한 데이터 변환
GPS 찍힌 정보 뿐만 아니라 해발고도와 이동 지점을 바탕으로 이동거리와 속도를 추정한다.
# 3. 거리 및 시간 계산 ----------------------------------
geo_df <- geo_df %>% mutate(lat.p1 = lead(lat, 1),
lon.p1 = lead(lon, 1),
time = lubridate::ymd_hms(as.character(time)))
geo_df$dist.to.prev <- apply(geo_df, 1, FUN = function (row) {
raster::pointDistance(c(as.numeric(row["lat.p1"]),
as.numeric(row["lon.p1"])),
c(as.numeric(row["lat"]), as.numeric(row["lon"])),
lonlat = TRUE)
})
geo_df <- geo_df %>% mutate(time.p1 = lead(time, 1),
time.diff.to.prev = as.numeric(time.p1 - time),
speed.m.per.sec = dist.to.prev / time.diff.to.prev,
speed.km.per.h = speed.m.per.sec * 3.6,
speed.km.per.h = ifelse(is.na(speed.km.per.h), 0, speed.km.per.h),
lowess.speed = lowess(speed.km.per.h, f = 0.2)$y,
lowess.ele = lowess(ele, f = 0.2)$y)4. GPS 정보 시각화
4.1. 해발고도 변화
# 4. 시각화 ------------------------------------------------------
## 4.1. 해발 고도 ---------------
ggplot(geo_df, aes(y=ele, x=seq_along(ele))) +
geom_line() +
geom_line(aes(y=lowess.ele, x=seq_along(lowess.ele)), color="blue", size=1.5) +
theme_ipsum(base_family = "NanumGothic") +
labs(x="GPS 관측점", y="해발높이(elevation)")
4.2. 이동속도 변화
## 4.2. 속도 ---------------
ggplot(geo_df, aes(y=speed.km.per.h, x=seq_along(speed.km.per.h))) +
geom_line() +
geom_hline(yintercept = mean(geo_df$speed.km.per.h), lty=2) +
geom_line(aes(y=lowess.speed, x=seq_along(lowess.speed)), color="violet", size=1.5) +
theme_ipsum(base_family = "NanumGothic") +
labs(x="GPS 관측점", y="속도(speed") 
4.3. 이동 위치 시각화 - 지도 없음
## 4.3. 지도 없는 위경도 표시 ---------------
ggplot(geo_df, aes(x=lon, y=lat)) +
geom_point() +
theme_ipsum(base_family = "NanumGothic") +
labs(x="경도(Longitude)", y="위도(Latitude)") 
5. GPS 데이터 지도 매핑
5.1. OSM 지도
# 5. 지도 --------------------------------------------------------
## 5.1. Open Street Map ------------------------------------------
map <- openmap(as.numeric(c(max(geo_df$lat), min(geo_df$lon))),
as.numeric(c(min(geo_df$lat), max(geo_df$lon))), type = "skobbler")
transmap <- openproj(map, projection = "+proj=longlat")
plot(transmap, raster=TRUE)
lines(geo_df$lon, geo_df$lat, type = "l", col = scales::alpha("red", .5), lwd = 5)
5.2. ggmap 지도
## 5.2. ggmap ------------------------------------------
revgeocode(c(mean(geo_df$lon), mean(geo_df$lat)), output="address")## [1] "Karl-Schurz-Straße 11, 70190 Stuttgart, Germany"map <- get_map(c(mean(geo_df$lon), mean(geo_df$lat)),
zoom = 14, maptype='roadmap', source='google', color='color')
ggmap(map)+
geom_segment(
aes(x = lon, y = lat, xend = lon.p1, yend = lat.p1),
colour ="red", size = 2, data = geo_df
)